学位论文 > 优秀研究生学位论文题录展示

基于遗传算法的转炉炉修优化研究

作　者: 袁光锋
导　师: 薛质；钟声
学　校: 上海交通大学
专　业: 项目管理
关键词: 项目管理网络计划曲线拟合多目标遗传算法 NSGA-II算法转炉炉修
分类号: TF748.2
类　型: 硕士论文
年　份: 2010年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

目前网络计划技术在工程项目管理的应用十分普遍,但偏重于处理项目的单个或两个目标的优化,在同时处理目多个目标,比如项目的工期、成本和质量等多个目标均衡优化时,较难实现优化。并且在选用网络计划技术优化时,各优化的目标值一般要求是离散形式的,在多个目标优化时各目标值必须一一对应,在求解时增加了初始的工作量,模式的构造上存在一定的局限性,初始模式中不能完全覆盖最优解方案。多目标遗传算法是最近几年发展起来的一种求解多目标优化非劣解集的有效方法,由于其具有高效、实用的特点,因此越来越受到学术界的重视。本文以上海宝钢炼钢厂转炉炉修项目作为研究对象,提出了以多目标遗传算法作为优化基础结构,辅助网络计划和曲线拟合等方法建立转炉修理项目管理中关键问题的多目标优化模型。考虑到可以在连续的区间上进行遗传搜索,在模型的编码设计时,仅将各子项目的工期作为编码因子,解决了因使用多个编码因子编码时,不得不对编码因子建立一一对应的离散式模式的问题,减少了主观因素对最优解集的干扰。在已知各子项目的工期安排后,通过网络计划技术求解出相应的关键路径以及其对应的项目总工期。在对炉修项目管理的关键问题分析后,得到了工期、成本和质量之间的相互关系,并通过曲线拟合建立了相应的关系表达式,在已知各子项目的工期分配下,求解得到相应的项目成本和质量目标。将工期、成本和质量作为适应度函数,使炉修项目管理转化为多目标优化问题,应用多目标遗传算法中的NSGA-II算法对模型进行遗传迭代优化,最终求解得到一系列优化方案,提供给决策者选择。本文主要分析了影响转炉炉修项目管理的关键要素对项目的作用关系,并得到了其相互作用的关系式。在给定单个目标值时,能够较为准确的求得其它的目标值,成功将炉修项目管理转化为多目标优化求解模型。在求解最优解时运用了多目标遗传算法中的NSGA-II算法,NSGA-II算法运用一个非支配分类方法,不但逼近收敛速度,而且保持了群体的多样性。NSGA-II算法可以解决任意多个目标值求解,对于今后添加资源平衡度等目标值优化提供了良好的平台。本文以Matlab语言实现了该模型的建立,并以某次转炉炉修中的主要节点项目进行了模型应用,得到了一系列优化解。研究结果表明了本文提出的模型在解决转炉炉修及其类似问题上有良好的效果和参考价值。

全文目录

摘要  5-7
Abstract  7-11
第1章绪论  11-18
  1.1 选题背景及其意义  11-12
  1.2 网络计划技术  12-16
    1.2.1 网络计划技术的产生  12
    1.2.2 网络计划的优化  12-16
  1.3 本文研究的内容与组织结构  16-18
    1.3.1 研究内容  16
    1.3.2 组织结构  16-18
第2章多目标遗传算法  18-31
  2.1 多目标优化理论  18-21
    2.1.1 多目标优化问题的定义  18
    2.1.2 Pareto 最优解  18-19
    2.1.3 支配关系  19-20
    2.1.4 最优边界  20
    2.1.5 多目标优化方法  20-21
  2.2 遗传算法  21-30
    2.2.1 遗传算法概要  21-23
    2.2.2 遗传算法的运算流程  23-24
    2.2.3 NSGA-Ⅱ算法  24-30
  2.3 本章小结  30-31
第3章基于多目标遗传算法的转炉炉修优化模型  31-52
  3.1 转炉炉修项目中的关键要素  31-36
    3.1.1 炉修的工期  31
    3.1.2 炉修的质量  31-32
    3.1.3 炉修的成本  32
    3.1.4 炉修的工期与成本的关系  32-34
    3.1.5 炉修的质量与工期、成本的关系  34-36
  3.2 炉修项目管理优化的基本思想  36-37
  3.3 炉修管理模型的建立  37-50
    3.3.1 炉修中关键因素的目标函数  37-38
    3.3.2 染色体结构  38-40
    3.3.3 炉修中各关键问题的求解  40-46
    3.3.4 NSGA-Ⅱ算法应用  46-50
  3.4 本章小结  50-52
第4章转炉炉修优化模型的应用  52-66
  4.1 炉修网络计划图建立  52-53
  4.2 成本计算  53-55
  4.3 质量求解  55-57
  4.4 遗传初始化  57-59
  4.5 目标值求解  59
  4.6 遗传操作  59-60
  4.7 运算结果  60-61
  4.8 模型评价  61-65
   4.9 本章小结  65-66
第5章总结与展望  66-67
参考文献  67-71
致谢  71-72
攻读学位期间发表的学术论文  72

基于遗传算法的转炉炉修优化研究

内容摘要

全文目录

相似论文