基于遗传算法的最优施工进度计划研究.docVIP

基于遗传算法的最优施工进度计划研究 　　摘要：作者在本文中研究了如何确定项目的最优施工进度计划。 　　研究确定项目的最优施工进度计划时，作者提出了一个多目标优化模型。此模型利用多目标遗传算法优化初始计划，使其在工期与费用之间进行权衡，最终帮助工程管理者编制出项目的最优施工进度计划。 　　关键词：施工进度计划；优化；计算机模型 　　中图分类号： TU74文献标识码：A 文章编号： 　　一、研究背景及问题的提出 　　本文的研究课题是在我国受到国际金融危机和世界经济形势恶化的影响下提出的。而面对这种不利影响，党中央、国务院决定对宏观经济政策作出重大调整，把稳健的财政政策调整为积极的财政政策，把从紧的货币政策调整为适度宽松的货币政策，并且出台了进一步扩大内需、促进经济平稳较快发展的十项重大举措。其中，前三项措施主要是有关基本建设方面。对基本建设方面进行投资便形成了所谓的工程项目。作为工程项目，技术条件和自然条件复杂，建设周期长，不确定性因素多，具有较大的风险性。编制一个科学的项目施工进度计划是项目实施成功的前提之一，因此，作者在本文中主要研究如何在所有既得施工计划中确定项目的最优施工进度计划。 　　二、基于遗传算法的优化模块的建立 　　此模块的主要目的是找到使工程项目工期最小和费用最小的一系列最优施工进度计划。 　　1）、假设条件及定义 　　为简化工期-费用水平权衡问题中的次要因素，对该问题做如下假设和定义：各项工序及其先后次序已知。在每道工序完工时间已知的情况下，用初始模块可计算出工程完工的总时间和总的费用。 　　2）、决策变量 　　项目目标的决策变量是指影响项目目标，但在项目目标之外的其他相关因素。 　　不同的施工进度计划所得的工期和费用是不同的，主要是项目资源的约束。项目资源包括人力资源、材料、设备和营运资金等四个方面。 　　以上四个方面都是从资源配置的角度来考虑，因此可以合并为一个决策变量——资源配置方案。本模块将从所有的施工进度计划中，找出工期最短、费用最低的计划，从而优化资源配置方案。 　　对于每道工序，如果给定了资源配置方案，那么可以算出各道工序的时间和费用，每一个资源配置方案下均对应一组工期和费用值。确定最优资源配置方案的过程，也就是寻求最优工期-费用水平的过程。在模块最终得到目标函数的解的同时，自然也就找到了如何配置资源来实现这个目标值的资源配置方案，从而为工程管理者提供了更为清晰合理的决策支持。 　　3）、目标函数 　　建立该模块的最终目的在于寻求最优的项目目标值（即同时达到最短的工期和最小费用水平），同时也是为了衡量并量化不同的资源配置决策方案对于工程项目两大目标的影响。因此，该模块包括了如下二个目标函数，分别用来确定项目的工期和总的费用。 　　 　　 　　 　　 　　 　　其中， 　　=使用资源配置方案n时关键路径上的工序i的工期； 　　=工序i在整个项目中的权重； 　　N=资源配置方案总数目； 　　I=全部工序的数目，L=关键工序的数目。 　　 三、基于遗传算法的优化模块的求解 　　为了寻找项目的最优施工进度计划，这个优化模块用一个多目标遗传算法完成。这个算法采用帕累托最优概念及适者生存标准得出很多施工进度计划方案，以便得出最接近最优进度计划的计划。这个模块采用任意地开始优化过程来产生许多最初的资源利用计划（k=1-K），每个计划表示工程中每个施工阶段的施工队伍组成选项（ni），这些随意产生的施工计划组成第一代（t=1）即父代（Pt），而父代在经过预先决定的几代后，进化成一个最接近最优的施工计划。这个优化过程可通过以下4个主要循环步骤： 　　1)、计算第一代（t=1）中，每种资源利用计划（k=1-K）下的工程工期（Dk）和总的费用（Ck）。较早的一代由施工项目的初始计划模块得出。如图1中所示，在考虑了资源配置及施工逻辑性等所有施工进度约束后，得出每种资源利用计划下的工程工期和总的费用。 　　2)、运用遗传算法的三种基本操作（例如：选择、交叉或基因重组和变异）来得出一个新的子代。这三种操作采用适者生存原则来为得出改善过的资源利用计划提供一个有效的进化工具。第一，选择操作用更适合价值理论得出更多计划方案来达到再生阶段。第二，在再生阶段，交叉操作在交配种群中交换大量遗传物质。第三，变异操作用于随意改变所产生子代的基因物质来避免向局部的优化方案集中。 　　3)、用适应度函数（如：工程工期、总的费用）评价新生子代Ct的每个计划，评价过程与第1步中的描述相似。 　　4)、将子代与父代（Ct和Pt）联合起来形成新生的联合代，然后挑选联合代中最好的50%组成下一个新的父代。这个过程代表统治论的一个强有力的形式，因为这个过程能够保存好几个父代的