多模式多资源均衡及基于动态种群的多目标微粒群算法

被引：10

作者：

郭研 ^{[1
,2
]}

李南 ^{[1
]}

李兴森 ^{[2
]}

机构：

[1] 南京航空航天大学经济与管理学院

[2] 浙江大学宁波理工学院

来源：

控制与决策 | 2013年 / 28卷 / 01期

关键词：

资源均衡; 种群竞争模型; 多目标优化; 微粒群算法;

D O I：

10.13195/j.cd.2013.01.134.guoy.021

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

研究了多模式多资源均衡问题,该问题需要动态选取每项任务的执行模式,并综合考虑项目截止日期和资源限额等约束.将种群竞争模型嵌入到基于Pareto的向量评价微粒群算法(VEPSO-BP)中,提出了一种新的基于动态种群的多目标微粒群算法(MOPSO-DP).通过实例测试了MOPSO-DP的性能,并与VEPSO-BP进行了对比.实验结果表明,MOPSO-DP能取得更为丰富且优化效果更好的Pareto非支配解.

引用

页码：131 / 136

页数：6

共 6 条

[1] 多项目多资源均衡问题及其基于Pareto的向量评价微粒群算法 [J].

郭研 ;

李南 ;

李兴森 .

控制与决策, 2010, 25 (05) :789-793

[2] 基于两阶段领导的多目标粒子群优化算法 [J].

胡广浩 ;

毛志忠 ;

何大阔 .

控制与决策, 2010, (03) :404-410+415

[3] 基于微粒群算法的工程项目资源均衡优化 [J].

陈志勇 ;

杜志达 ;

周华 .

土木工程学报, 2007, (02) :93-96

[4] 利用遗传算法求解多项目资源平衡问题 [J].

郭研 ;

宁宣熙 .

系统工程理论与实践, 2005, (10) :78-82

[5] A novel ecological particle swarm optimization algorithm and its population dynamics analysis [J].

Kang, Qi ;

Wang, Lei ;

Wu, Qi-di .

APPLIED MATHEMATICS AND COMPUTATION, 2008, 205 (01) :61-72

[6]

Comparison of Multiobjective Evolutionary Algorithms: Empirical Results[J] . Eckart Zitzler,Kalyanmoy Deb,Lothar Thiele. Evolutionary Computation . 2000 (2)

← 1 →