基于混合粒子群算法的保障资源优化研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (29): 210-213.

基于混合粒子群算法的保障资源优化研究

朱文斌1，许晓飞2

1.海军航空工程学院研究生管理大队，山东烟台 264001
2.海装军械保障部，北京 100841

出版日期:2012-10-11 发布日期:2012-10-22

Safeguard resource optimization based on hybrid PSO

ZHU Wenbin1, XU Xiaofei2

1.Brigade of Graduate Students, Naval Aeronautical Engineering Academy, Yantai, Shandong 264001, China
2.Naval Armament Department，Beijing 100841，China

Online:2012-10-11 Published:2012-10-22

摘要/Abstract

摘要： 针对目前我军在武器保障过程中人力资源的过载问题，提出了应用混合粒子群算法求解资源约束项目调度问题的实现方法。分析了网络计划中工序逻辑关系特点，采用工期指标建立优化模型。在算法设计中，使用遗传算法的交叉和变异操作替代粒子速度和位置的更新，并采用修复算子，以保证个体生成的合法性。对某型武器装备保障进行了优化分析，结果表明方法具有很强的寻优能力，对于促进保障单位合理利用资源、科学安排工程调度具有重要的现实意义。

关键词: 资源约束项目调度问题, 网络计划, 粒子群算法, 遗传操作, 修复算子

Abstract: Hybrid Particle Swarm Optimization（HPSO） is chosen to solve the Resource-Constrained Project Scheduling Problem（RCPSP） in weapon equipment safeguard resource project optimization. The characteristics of network plan are analyzed and a model is constructed based on time limit for a project. In designing, the update of velocity and position in PSO is replaced by cross and mutate, and a repairing operator is applied to ensure the chromosome legal. Application to a certain type of weapon equipment safeguard resource project optimization with a HPSO program shows that is a stronger ability of optimization and is of practical importance to the support unit to advisably utilize resources and schedule the working procedures.

Key words: Resource-Constrained Project Scheduling Problem（RCPSP）, network plan, Hybrid Particle Swarm Optimization（HPSO）, genetic operation, repairing operator

朱文斌1，许晓飞2. 基于混合粒子群算法的保障资源优化研究[J]. 计算机工程与应用, 2012, 48(29): 210-213.

ZHU Wenbin1, XU Xiaofei2. Safeguard resource optimization based on hybrid PSO[J]. Computer Engineering and Applications, 2012, 48(29): 210-213.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[5]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[6]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[7]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[8]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[9]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[10]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[11]	周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.
[12]	胡雪娇，陈行健，赵南，薛卫. PSO_BFA优化词袋模型及蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2020, 56(1): 165-171.
[13]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[14]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[15]	冯建新1，2，李慧1，2，刘治国1，2. 新型火焰颜色空间——IFCS[J]. 计算机工程与应用, 2019, 55(5): 203-210.