北京亚运村汽车交易新市场工程钢结构的质量控制.pdfVIP

2008年第 5期 建 筑 管 理 现 代 化 总第 102期 Construction Management Modernization ·79 · 改进 酌遗传 算法及 其在 工程 风 险 多e标 决策 中应 用 李 丹，袁永博，张明媛 (大连理工大学 土木水利学院，辽宁 大连 116024) 摘 要 ：针对多 目标遗传算法 NSGA—II的缺点，提 出了一种改进算法 。将改进的遗传算法应用到工程风 险的多 目标决策 中，通过实例分析证 明了其在解决工程项 目风险管理 多 目标优化 问题上有效性 。将改进前 后两种算法进行对 比分析，证 明了改进 的遗传算法在保证 Pareto最优边界收敛性 的同时改善了Pareto最 优解 的多样性。 关键词 ：工程项 目；风险决策 ；多 目标 ；遗传算法 中图分类号 ：F282 文献标识码 ：A 文章编号 ：1001一O19X(2008)05—0079—04 AnImprovedGeneticAlgorithm andItsApplicationtoRisk Multi．．ObiectiveDecision．．makinginConstructionProject LIDan， YUAN Y0lng—bo， ZHANGM ing—yuan (SchoolofCivilandHydraulicEngineering，DalianUniversityofTechnology,Dalian116024，China) Abstract：Animprovedgeneticalgorithm isproposedtoovercomethedisadvnatagesofNSGA—II．Theimprovedgenetic algorithmisappliedtoriskmulti—objectivedecision—makinginconstructionproject．Anapplicationexampleisanalyzedto demonstratetheefficiencyofthenewalgorithminsolvingmulti—objectiveproblemsofconstructionriskmanagement．The resultalsoshowsthathtenew methodiscapableofimprovingconvergencena dvarietyofParetorfontwhencomparedwith ordinaryNSGA—II． KeyWords：constructionproject；riskdecision-m·aking；multi-·objective；GeneticAlgorithm 工程项 目建设过程是一个周期长 ，投资大，技术要求高，系统复杂的过程，在该过程中，不确定因 素、随机因素和模糊因素大量存在并不断变化，由此而造成的风险直接威胁工程项 目的顺利实施和成功。 工程项 目的总体风险是 由相互作用甚至是相互依存 的若干风险因素按一定规律复合而成的。在实际工程 中，受客观条件的限制 ，各个风险因素可供采取的管理措施可能有一种或多种，而采取不同的措施会对 建设工程的各个 目标有不同程度的影响，因此需要在这些 目标之间取得权衡。 遗传算法作为一种智能仿生算法，具有 自组织性、自适应性和 自学习性等特点，适应于大规模的并 行计算 ，可以同时搜索到问题解空间中的多个区域，一次运行可以求得多个 Pareto最优解，对于解决工 程领域的多 目标问题具有一定优势。 1 遗传算法的基本流程 遗传算法 (GeneticAlgorithms，GA)是一类借鉴生物界自然选择和 自然遗传机制的随机的搜索算法， 它 由美国Michigan大学的 Holland教授于 1975年提出[11。Holland教授提出的遗传算法，一般被称为简 单遗传算法 (SimpleGeneticAlgorithms，SGA)，是各类改进遗传算法的基础 ，其数学模型可表示为：