.png){kind=icon}
返回
Multi-project scheduling optimization with artificial intelligence: a novel metaheuristic framework
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05834-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究对解决多模式资源受限多项目调度问题（MRCMPSP）的 Artificial Intelligence（AI）应用进行了全面分析，MRCMPSP 是工程项目管理中最复杂的优化挑战之一。采用统一框架，将七种先进的单目标元启发式算法以及提出的 Tournament Selection Multi-Objective Giant Pacific Octopus Optimizer（MOGPOO-TS）应用于多个建设项目，以确定最优的起止时间，同时平衡严格的资源、时间、成本和质量约束。MOGPOO-TS 专门设计用于探索广阔的高维解空间，在帕累托前沿上保持多样性，并快速收敛到高质量调度方案。在所有评估标准中，MOGPOO-TS 始终优于其他六种算法，展示了在时间、成本和质量之间更优的权衡以及在高复杂多项目约束下的显著稳定性。这凸显了 MOGPOO-TS 作为一种 AI 增强型基准算法在加速和优化多项目施工调度中的关键作用，弥合了单项目与全企业级优化之间的差距，并为建筑行业的实际运筹学研究设定了新的标准。
Keyword:
Artificial intelligence
Optimization
Multi-project
Giant pacific octopus optimizer
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
暂无机构信息
引用论文
分享收藏A survey of hybrid metaheuristics for the resource-constrained project scheduling problem资源受限项目调度问题的混合元启发式研究综述
PREAI
分享收藏A dual opposition learning-based multi-objective Aquila Optimizer for trading-off time-cost-quality-CO2 emissions of generalized construction projects基于双对立学习算法的多目标Aquila Optimizer在广义建筑工程的时间-成本-质量-CO2排放之间的权衡
PREAI
分享收藏
MOSMA: Multi-Objective Slime Mould Algorithm Based on Elitist Non-Dominated SortingMOSMA: 基于精英非支配排序的多目标煤泥霉菌算法.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容