数字经济背景下工程企业多目标成本优化中的粒子群优化应用

工程项目在施工过程中必须满足质量和进度要求。这是一个典型的多目标问题，也是工程企业管理中的一个难点。为了解决这些问题，研究提出了一种智能多目标优化技术。首先，在数字化背景下分析企业的优化目标。然后，为工程企业构建一个多目标成本优化模型。其次，引入多目标粒子群优化（MOPSO）算法来解决多目标问题。为了提高模型的多目标优化效果，优化和调整惯性权重参数和粒子学习行为，因为模型容易陷入局部最优。在算法模型的性能测试中，优化后的MOPSO模型能够准确地在Rastrigin函数下在位置（0, 0）搜索到最小值0，同时迭代收敛次数最少。GA、ACOM和传统MOPSO模型的迭代收敛次数更多，优化结果分别为0.10、0.15和0.14。可以看出，优化后的MOPSO模型性能更优。在具体示例分析中，使用优化后的MOPSO方案，项目成本从合同中的3100万元降低到3052万元，施工周期从588天缩短到540天，并满足环保和质量要求。研究内容可以为工程项目管理者提供重要的决策支持。