[发明专利]一种优化异地分布式时间-成本的APSO方法

说明书

一种优化异地分布式时间‑成本的APSO方法，根据异地分布式开发时间与成本的关系，建立时间‑成本的模型并进行约束规划处理，结合APSO算法，使用罚函数法，进一步约束处理，通过仿真实验，验证了APSO能够优化异地分布式时间‑成本。同时根据建立的不同模型，能够得到不同的项目时间‑成本优化方案，为项目计划的制定提供准确和可靠的数据依据。

技术领域

本发明属于异地分布式软件开发技术领域，涉及对时间-成本的优化，具体涉及一种异地分布式时间-成本优化的APSO方法。

背景技术

对于一个成功的项目它有三个重要的因素，第一项目必须符合客户要求，第二它必须是在预算之内，第三它必须准时。这三个因素被称为铁三角。根据广大学者对铁三角的研究，得出了时间、成本以及质量是衡量一个项目能否成功的重要指标。迄今为止，时间-成本的权衡问题都是广泛研究的重要问题。近代研究时间-成本包括进化方法和启发式算法。使用进化的方法如差分进化算法对多目标优化的工程项目的时间-成本权衡。但是差分进化算法寻优速度慢，容易出现早熟收敛，且不适合进行大量的计算。启发式算法是最近几年模拟自然界生物的活动规律，根据生物种群之间的协作和竞争来求解最优化问题的智能仿生算法。一些对时间-成本的启发式算法如遗传算法、蚁群算法、微粒子群算法等是当今比较流行的优化算法。刘晓峰利用微粒子群算法对工程项目的时间成本和质量进行了优化，但是微粒子群也有一些缺点如容易早熟，易陷入局部最优解。由于微粒子群算法的这些缺陷，使得广大研究学者针对微粒子群算法的缺点进行了改进，使用改进的粒子群算法来解决一些工程上的问题。这些改进的算法有自适应粒子群算法、改进动态粒子群算法和混合的粒子群算法，这些算法根据算法特性应用于不同的研究领域。例如使用自适应的粒子群算法优化多目标的超带宽天线阵，使用改进动态粒子群算法去协调定向的过量电流继电器，在工程电磁学中使用混合的粒子群算法。自适应的粒子群算法通过粒子的自适应权重，来改变粒子的搜索策略，使得粒子在搜索时避免陷入局部最优解和过早地收敛。目前，使用自适应的粒子群算法对项目时间-成本的优化的研究比较少。

本文考虑异地分布式开发背景，对软件项目开发时间综合考虑，加入成本，进行时间-成本的优化，根据所建立的直线型与抛物线型模型，对比两种优化模型，并使用具有较强寻优能力的自适应粒子群(APSO)算法进行验证，得到相对最优的时间优化方案。在进行实际的软件开发时，可以根据实际情况使用时间优化模型进行快速求解计算开发时间与成本，为软件开发计划的制定和及时交付提供可靠的数据保证。

发明内容

本发明的目的是提供一种异地分布式时间-成本优化的方法，综合考虑异地分布式软件开发的时间-成本的关系，建立时间-成本的模型，使用罚函数法，再结合APSO算法，进行仿真实验和验证，证明了使用APSO算法能够解决异地分布式开发中时间-成本的优化问题。

本发明所采用的技术方案是，一种异地分布式时间-成本优化的APSO方法，其特征在于，建立时间-成本的关系模型，使用罚函数法和结合APSO算法，验证了APSO算法能够很好地解决异地分布式开发中时间-成本的优化。

通过对异地分布式时间-成本的优化，能够为异地分布式软件开发项目提供准确和可靠的数据依据。

本发明的特点：

1.根据异地分布式项目中时间-成本关系，建立了直线型的时间-成本模型和抛物线型的时间-成本模型。

2.根据建立的模型，使用APSO算法仿真实验并验证了所建立的模型，对比所建立模型的结果。

3.使用APSO算法能够很好地解决异地分布式时间-成本的优化，为项目计划的制定提供准确的数据依据。

附图说明

图1是开发时间与直接成本关系；

图2是直线型与抛物线型的时间-成本模型公式；

图3是实例网络图；