信息化工程监理是指面向信息工程的监督管理;受业主方委托,代表业主的利益,保护投资、控制质量、确保进度;站在第三方的立场,公平对待工程各方,确保公正性、公平性、公开性。随着监理技术的不断发展和监理应用范围的不断扩大,对监理的要求也与日俱增,我国目前的信息工程监理框架是在整个IT市场基础上的一个体系,两个层次。随着信息化工程安全监理手段的丰富,实现了在这个结构下多种不同的应用方法。单纯依赖监理工程师等人力的静态管理已难以胜任安全监理的需要,要实现安全监理的多元化、复杂化、智能化。
因此,本文在前人研究的基础上,提出了一种新的基于多目标粒子群算法在信息化工程监理的应用的研究。重新定义了基本粒子群算法中的速度、位置公式,使其适宜求解离散问题,加快收敛速度,获得整体最优配置方案,仿真结果表明多目标粒子群算法是求解多目标优化问题的有效算法。
1 多目标优化问题
多目标优化问题(Multi-objective Optimization Problem,MOP)是指那些同时优化多个目标的问题。一般来说,这些单个目标是互相冲突的,因此,不存在一个解在所有目标上均是最优的。求解多目标优化问题常常是困难的,不同于单目标优化问题(Single Objective Optimization Problem,SOP)只有一个最优解,MOP的最优解是一组非支配解的集合。
信息工程监理的主要工作内容为“三控、两管、一协调”,即监理人在信息工程的建设过程中通过质量控制、进度控制、投资控制、合同管理、信息管理和组织协调的方法和手段使项,目能按合同的约定完在信息工程监理过程中,被控制和优化的对象包括项目的质量、进度和投资等多个决策目标,这些目标的衡量标准各不相同,且各目标相互影响和制约。因此,可以利用多目标优化解决信息工程建设过程监理的决策问题。通过对高度概括的主观目标进行逐层分解,逐步将其分解至便于运算的底层目标,构造一个3维监理控制的优化网格新模型,对其进行分析评价。在此,我们把监理集成化问题改成多目标问题:从n个阶段中,使工程总质量最大、总投资最小。作为一个多目标优化问题,信息工程监理的模型输入应包含决策人、目标集(或称指标体系)、属性集、决策形势和决策规则5个要素。
为了便于数学模型的建立,做了如下假设:
①每种共享约束资源的总供给量在各项目执行期间保持不变;
②各项目的权重已经通过项目评价确定;
③任务的持续时间与任务工作量成正比例关系,与所分配的资源数量在一定的资源区间内成反比例关系。
一般的基于对进度、质量和投资控制的问题可以描述为:从n(n=1,2,...,N)个独立项目,其中,第i个项目包含r(r=1,2,...,R)个任务,这n个项目共享k(k=1,2,...,K)种资源(其中,第k种资源的可用数量为Sk。对于第i 个项目中合同工期为T*i,实际完成工期Ti,第k种资源在第t天的实际使用量是Pkt,第i个项目任务从r1到r2对k种资源的使用量是Pi(r1r2)k,第i个项目任务从r1到r2的工作量是Fi(r1r2),第i个项目任务的实际开始时间和实际结束时间分别是T第i个项目的权重是Wi。令qi(r1r2)为0,1变量,当第i个项目任务r1、r2相连是取1,否则去取0。资源约束下的信息工程监理的多目标优化问题的数学模型如下:
上述模型中,(1)式为目标函数,求解n个项目阶段的超期量之和最优;(2)表示第i个项目在第t使用第k中资源的数量;(3)式表示第k种资源在第t天的实际使用量;(4)式表示资源约束,即任一时刻所有进行中的任务对任一资源的总使用量不能超过该资源的供给量;(5)式是第i个项目的实际工期求解函数;(6)式表示第i个项目任务从r1到r2实际分配的资源数量。
2 基于离散粒子群算法的模型求解方法
2.1 离散粒子群算法设计
粒子群优化算法(PSO)是一种启发式全局优化技术,一种基于群智能的演化计算方法。PSO算法求解问题的关键步骤是将问题的解从解空间映射到具有某种结构的表示空间,即用特定的码串表示问题的解。本文通过一种离散粒子群优化算法(Discrete Particle Swarm Optimization,DPSO),求解信息工程监理集离散优化问题。
算法定义:Pi表示第i个粒子的位置,它是一个有序的边集合。用Vi表示第i个粒子的速度,Piw表示第i个粒子所经历的最好位置,Pgw表示粒子群体所经历过的最佳位置。离散粒子群算法将速度和位置公式重新定义为:
2.2 离散粒子群算法实现
离散粒子群算算法实现流程图如图1所示:
图1 离散粒子群算法实现流程
本文研究的多目标优化信息工程监理集成化问题的离散粒子群求解算法步骤描述如下:
①建立资源约束下的多项目资源优化配置模型,如前文介绍;
②根据模型确定粒子群空间,并据此设计一个基于多维坐标轴的结构。多维空间的任意一点可以作为一个粒子,每个点的坐标分别代表粒子的位置、速度和不同目标的适应值等;
③采用基于利益最大化博弈的粒子位置取整算法来对空间位置值进行粒子表示;
④将取整后的粒子映射到资源优化配置方案上,获得一个相对较优的多项目资源优化配置方案;
⑤将该方案粒子位置按照离散粒子群算法的操作方法进行位置和速度更新,不断重复直到获得全局最优的配置方案。
3 POS算法在信息工程监理中的应用
为了测试本文算法求解实际问题的能力,对信息工程项目三大目标进行优化。
首先定义项目建设的投资C,工期T和质量Q;项目建设的投资C,工期T和质量Q均为实数;C为投资金额,单位为万元;T为工程天数,单位为天;Q为工程质量,单位为%,表示工程的好坏,取值范围从0.01~1.00开区间。假设信息工程项目的合理值域如下:
这是一个带有约束的优化问题,将其转化为含有3个目标的优化问题进行处理,即F(x)=(f(x),G(x)),其中,f(x)表示目标函数;G(x)为种群违反约束的程度,计算方法为:种群中某个个体xi(1,2,...,N) ,违反第j个约束违背程度为:Gj(xi)=max{gj(xi),0},j=1,2,则:
公式(10)给出了算法的最优值,可以看出本文提出的算法在对信息工程监理项目优化时,获得了较优的解,因此可作为解决实际问题的有效方法。为了测试算法评价信息工程监理的指标,利用分布指标(spread,△)和收敛性指标(convergence metric,γ)来评价同算法所获非劣解的质量。其中,γ越小表示算法的收敛越好;△越小意味着所得非劣解有较好的分布。为了测试引入的多种群策略和聚类策略是否增加计算复杂度,应用Matlab软件中的(tic,toc)命令,每个检测函数运行20次来计算所需时间T。
表1 离散粒子群算法的多目标优化问题评价指标
表1给出了不同算法在20次独立运行中收敛性指标和分布性指标的测试结果。其中,B表示运行最好的结果;W表示运行最差的结果;M表示平均值。说明本文提出的算法获得了质量较高的非劣解,进而说明本文提出的策略是有效的。
4 结语
本文针对资源约束条件下信息工程项目监理集成化管理问题,在满足资源约束的前提及整体工期优化的目标下,建立了信息工程监理过程多目标优化模型,提出了基于改进离散粒子群求解方法,并通过实验仿真,取得了比较满意的结果,验证了模型的合理性和算法的有效性。
核心关注:拓步ERP系统平台是覆盖了众多的业务领域、行业应用,蕴涵了丰富的ERP管理思想,集成了ERP软件业务管理理念,功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理,全面涵盖了企业关注ERP管理系统的核心领域,是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处:拓步ERP资讯网http://www.toberp.com/
本文标题:基于多目标PSO算法的信息工程监理
本文网址:http://www.toberp.com/html/consultation/10820614053.html