多模式多资源均衡及基于动态种群的多目标微粒群算法
DOI:
CSTR:
作者:
作者单位:

1. 浙江大学宁波理工学院
2. 南京航空航天大学

作者简介:

郭研

通讯作者:

中图分类号:

基金项目:


Multi-mode multiple resources leveling and multi-objective particle
swarm optimization with dynamic population
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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.

    Abstract:

    The multi-mode multiple resources leveling problem is studied, in which activity durations depend on committed
    resources, and the deadline and resource limit of the project are also taken into considerations. By applying population
    competition model into vector evaluated particle swarm optimization based on Pareto(VEPSO-BP), a novel multi-objective
    particle swarm optimization with dynamic population(MOPSO-DP) is utilized. Finally, the performance of MOPSO-DP is
    tested with a practical example which is compared with VEPSO-BP. Experiment results show that MOPSO-DP is able to
    obtain more superior Pareto non-dominate solutions than VEPSO-BP.

    参考文献
    相似文献
    引证文献
引用本文

郭研 李南 李兴森.多模式多资源均衡及基于动态种群的多目标微粒群算法[J].控制与决策,2013,28(1):131-136

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-06-27
  • 最后修改日期:2011-11-25
  • 录用日期:
  • 在线发布日期: 2013-01-20
  • 出版日期:
文章二维码