论文部分内容阅读
近年来,项目多目标优化管理已成为项目管理工作的一个核心内容,然而由于工程技术的发展,工程项目变得越来越复杂,实现工程项目多个目标均衡的难度也越来越大。而解决此类问题之一的遗传算法(Genetic Algorithm,GA)存在早熟收敛、容易陷入局部最优、局部搜索能力较弱、收敛速度慢等缺点。而人工免疫算法(Artificial Immune Algorithm,AIA)引入了抗体浓度调节机制,保持了群体的多样性,克服了遗传算法容易出现早熟收敛和陷入局部最优的缺点。因此,本文在对多目标遗传算法和人工免疫算法各自的特点做了深入的理论研究和试验分析的基础上,力求用一种基于免疫遗传算法的多目标优化算法解决工程项目的多目标优化问题。研究的主要内容如下:首先,对多目标优化问题加以描述,总结了当前已有的多目标优化算法的原理及流程,在处理多目标优化问题中各自的优缺点,并指出了人工免疫算法的一般模型,对人工免疫算法做出改进,指出引用基于距离而不是基于信息熵的人工免疫算法。其次,本文指出了免疫遗传算法的一般模型,在遗传算法中引入免疫机制的同时,设计出了一种改进的免疫遗传算法,该算法采用非劣分层遗传算法的适应值分配策略并引入浓度概念,在浓度的计算上采用基于欧氏距离的算法,交叉算子采用两点交叉,变异算子采用基于浓度的自适应算子,免疫算子的设计则由提取疫苗、接种疫苗和免疫操作三个步骤来完成。通过对多峰值函数搜索进行测试,得出结论为免疫遗传算法具有更好的全局搜索能力和收敛效率。最后,为了验证本文算法解决实际问题的效果,通过辽河油田钻井一公司长城公司的一个钻前工程实例,应用改进的钻前项目多目标模型,运用免疫遗传算法对问题进行优化,并对结果进行分析,验证了本算法在解决实际项目多目标优化问题上的有效性。