基于混合遗传算法的工期费用优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-28页 |
| 1.1 研究背景及意义 | 第9-15页 |
| 1.1.1 建筑业是国民经济支柱性产业 | 第9-11页 |
| 1.1.2 工程项目建设目标的地位及联系 | 第11-13页 |
| 1.1.3 网络计划运用的提出 | 第13-15页 |
| 1.2 本课题国内外研究现状 | 第15-24页 |
| 1.2.1 关于网络计划优化的研究 | 第15-20页 |
| 1.2.2 关于工期-费用优化算法方面的研究 | 第20-24页 |
| 1.2.3 小结 | 第24页 |
| 1.3 本文的研究思路 | 第24-28页 |
| 1.3.1 主要内容 | 第24-25页 |
| 1.3.2 技术路线图 | 第25-26页 |
| 1.3.3 本文研究方法 | 第26-28页 |
| 2 工程项目进度费用优化与网络计划 | 第28-38页 |
| 2.1 进度-费用的关系及优化 | 第28-30页 |
| 2.1.1 进度-费用优化三大目标 | 第28-29页 |
| 2.1.2 进度-费用优化原理 | 第29-30页 |
| 2.2 网络计划下进度-费用的常用解法 | 第30-33页 |
| 2.2.1 精确法 | 第30-32页 |
| 2.2.2 启发式算法 | 第32-33页 |
| 2.3 网络计划优化进度费用 | 第33-38页 |
| 2.3.1 网络计划技术发展状况 | 第33-35页 |
| 2.3.2 应用网络计划技术的必要性 | 第35-36页 |
| 2.3.3 网络计划进度-费用优化步骤 | 第36-37页 |
| 2.3.4 小结 | 第37-38页 |
| 3 基于遗传算法的进度费用优化研究 | 第38-48页 |
| 3.1 遗传算法简介 | 第38-41页 |
| 3.1.1 遗传算法发展状况 | 第38页 |
| 3.1.2 遗传算法原理 | 第38-40页 |
| 3.1.3 遗传算法特点 | 第40-41页 |
| 3.2 两种类型的遗传算法 | 第41-45页 |
| 3.2.1 离散性关系下的工期费用优化 | 第41-44页 |
| 3.2.2 线性工期-费用优化的遗传算法 | 第44-45页 |
| 3.3 线性函数遗传算法优化结果分析 | 第45-47页 |
| 3.3.1 优化结果 | 第45-46页 |
| 3.3.2 优化方法的不足 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 4 混合遗传算法理论介绍 | 第48-56页 |
| 4.1 蚁群算法简介 | 第48-51页 |
| 4.1.1 蚁群算法发展概况 | 第48-49页 |
| 4.1.2 蚁群算法的基本原理 | 第49页 |
| 4.1.3 蚁群算法的特点 | 第49页 |
| 4.1.4 蚁群算法的程序结构流程 | 第49-51页 |
| 4.2 遗传算法和蚁群算法动态融合的基本思想 | 第51-55页 |
| 4.2.1 混合遗传蚁群算法临界点的确定 | 第52页 |
| 4.2.2 混合遗传蚁群算法实现流程 | 第52-54页 |
| 4.2.3 遗传蚁群混合算法流程图 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 5 遗传蚁群混合算法在实际工程项目中的应用 | 第56-73页 |
| 5.1 遗传蚁群混合算法的研究状况 | 第56-57页 |
| 5.2 问题模型 | 第57-58页 |
| 5.3 面向实例的遗传蚁群混合算法 | 第58-72页 |
| 5.3.1 遗传算法编码方式 | 第58-59页 |
| 5.3.2 适应度评价函数设计 | 第59页 |
| 5.3.3 初始种群的产生 | 第59-60页 |
| 5.3.4 遗传算子设计 | 第60-61页 |
| 5.3.5 自适应权重法 | 第61-62页 |
| 5.3.6 蚁群算法规则 | 第62-64页 |
| 5.3.7 遗传算法与蚁群算法搭接融合 | 第64-67页 |
| 5.3.8 实例分析与结果 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 6 结论与展望 | 第73-74页 |
| 6.1 结论 | 第73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
