[发明专利]一种利用粒子群优化多模式资源约束项目调度的方法

说明书

本发明公开了一种利用粒子群算法优化多模式资源约束项目调度的方法，主要应用于工期最短为优化目标的资源约束项目调度问题上，本发明重新定义了粒子群优化算法中粒子的生成方式和位置更新方式，使其更适合于求解工期优化调度类离散问题，加快收敛速度，获得最佳调度方案。

技术领域

本发明计算智能技术领域，特别涉及群智能的改进方法。

背景技术

多模式资源约束项目调度问题(Multi-mode Resource-constrained ProjectScheduling Problem,MMRCPSP)是指在有限资源约束下，为项目中一系列相互关联的任务合理安排其执行模式和开始时间以使项目总工期最短。MMRCPSP不仅存在资源约束，而且任务间存在时序约束，是一类NP-hard问题，很难求解。确定性算法由于时间复杂度大，只能求解小规模MMRCPSP，对大规模MMRCPSP，必须利用智能算法才能进行优化。

发明内容

本发明提出了一种利用粒子群优化多模式资源约束项目调度的方法，通过此方法解决大规模资源约束项目调度的问题。

粒子群算法的本质是利用当前位置、全局极值和个体极值3个信息，指导粒子下一步迭代位置，粒子充分利用自身经验和群体经验调整自身的状态是粒子群算法具有优异特性的根本。粒子以多种形式从其个体极值和全局极值中获得更新信息，传统的速度-位移模型仅为符合此优化原理的具体实现之一。由于传统模型中粒子的位置和速度均以连续参数的形式表示，仅适合于处理连续优化问题，而MMRCPSP求解的是各任务的执行模式、执行次序及开工时间，解空间对应着离散的整数域，利用粒子群算法优化MMRCPSP时，速度项难以表达，因此本发明从粒子群算法的本质出发修正位置更新公式。

粒子群算法的关键在于确定粒子位置的更新方式，本发明在粒子群算法中引入遗传算法思想，将粒子的当前位置分别与全局极值和个体极值交叉并按适应度函数进行择优选择来更新粒子位置，并且为了防止算法早熟收敛，将粒子新位置按一定概率变异。改进后的混合粒子群算法直接从个体极值和全局极值中获得更新信息，搜索过程是一种单向的信息流动机制，目的性强，避免大量冗余的更新操作，优化效率高。

具体实施方式

(1)设定粒子数m，迭代次数为T，变异率w，随机产生N个初始解X₀；

(2)根据各粒子当前位置计算适应值f₀，设置当前适应值为个体极值P_ibest，当前位置为个体极值位置P_i，根据各粒子的个体极值找出全局极值G_best和全局极值位置P_g；

(3)第j个粒子位置X₀(j)与P_g交叉，记为X’₁(j)；

(4)X’₁(j)与P_i交叉，记为X”₁(j)；

(5)对X”₁(j)按一定概率进行变异；

(6)根据当前位置计算适应值f₁(j)；

(7)如果f₁(j)P_ibest(j)，则P_ibest(j)＝f₁(j)，P_i(j)＝X₁(j)。否则取适应值低的粒子位置记为X₁(j)；

(8)根据各个粒子的个体极值P_ibest，找出全局极值G_best和全局极值位置P_g；

(9)X₀←X₁；