基于遗传算法时间费用优化.docVIP

基于遗传算法时间费用优化 　　[摘要] 智能化的项目管理在建筑工程界日益发挥着重要的作用,施工企业应以国家利益为重,为国家和社会创造尽可能多的经济效益。在工程进度计划问题的确定时,不仅应考虑成本的时间价值,而且还应考虑效益的时间价值。本文建立了考虑效益后的时间/费用优化的数学模型,并且用智能遗传算法来求最优解。 　　 [ 关键词 ] 遗传算法 成本 效益 时间价值 　　 　　一、引言 　　 　　随着全球信息化进程的不断加快和信息产业的迅速发展,智能化在信息社会已受到越来越多的重视,而智能化的项目管理也逐渐受到重视。目前,我国的许多施工企业大都配备了现代化管理技术的硬件设施及其相应的软件环境,并且应经在各自的施工实践中日益发挥着重要的作用。系统的研究和开发建筑工程施工中的智能化技术并将其应用于工程实践,现已日益成为工程施工界的迫切需要。 　　工程项目建设的最终目的在于形成新的生产增值能力,以取得国民收入增值和盈利。一项工程的提前竣工,不仅使施工企业能获得额外的其他工程建设的施工任务,而且该项目的提前投产,使得投资效益尽早地得到的发挥。因此,在工程网络进度计划的确定时,不仅应考虑成本的时间价值,还应该考虑效益的时间因素。 　　 　　二、工程建设的费用和效益 　　 　　工程建设系统的经济因素有投入建筑产品的成本及其该项目所带来的效益。其中成本包括直接费用和间接费用;效益增量包括提前竣工施工企业的生产性经济效益增量以及工程项目提前竣工投产的经济效益。这里,假设各个工序按正常时间施工时,对应的各项经济效益增量为0。则: 　　总的费用水平=直接费用水平+间接费用水平-效益增量 　　工作的时间/费用函数关系 　　网络计划中工作的时间与直接费用之间的合理函数关系为ci=aidi2+bi,其中ci,di表示活动i的直接费用与工期,系数ai,bi求取公式如下: 　　ai= (cin-cic)/(din2-dic2) 　　bi= (cicdin2 - cicdic2)/(din2- dic2) 　　其中cin,cic分别为工作i的正常费用与极限费用,din ,dic分别为工作i的正常工期与极限工期。 　　其原理是时间/费用函数的导数成线性关系,故时间与费用为二次函数关系,如图1.所示。该函数???系的有效性与合理性已经被多位学者所证实 。 　　间接费用的主要组成部分是日常生产经营管理发生的费用A , 　　认为其在每月月初支出,设资金的月利率为a,工期为T个月时,全 部间接费用现值=A+A(P/A,a,T-1)。 　　设每个月末的效益增量为B,工期由原来的D个月缩短为T个月时,全部效益增量现值= 。 　　 　　三、建立数学模型 　　 　　以总费用的最小现值作为经济评价指标,工期单位为月,费用单位为万元,计息周期为其工 　　期单位, 以工程开工作为基准时刻,费用和效益均以开工时刻现值来计算。 　　可以建立如下的数学模型: 　　其中,n为项目的工序个数;ci为工序i的直接费用;A为项目的间接费用率;B为项目的效益增量率; 为折现率;ti为工序的开始时间;di为工序 的持续时间;T为项目的优化工期;D为项目的正常工期;H为工序紧前工序的集合。 　　时间费用关系采用二次方程的函数关系;逻辑关系按照单代号网络给出.该模型属于非线性规划的范围, 目前最好的求解算法为遗传算法. 　　 　　四、遗传算法 　　 　　遗传算法 (Genetic Algorithms, GA), 是以自然选择和遗传理论为基础,将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。GA摒弃了传统的搜索方式,模拟自然界生物进化过程,采用人工进化的方式对目标空间进行随机优化搜索。它将问题域中的可能解看作是群体的一个个体或染色体,并将每一个个体编码成符号串形式,模拟达尔文的遗传选择和自然淘汰色生物进化过程,对群体反复进行基于遗传学的操作(遗传、交叉、和变异)。根据预定的目标适应度函数对每个个体进行评价,依据适者生存、优胜劣太的进化规则,不断得到更优的群体,同时以全局并行搜索方式老搜索优化群体中的最优个体,以求得满足要求的最优解。遗传算法是一种自适应全局优化概率随机搜索的智能方法, 具有良好的全局寻优性能, 已经广泛应用于多种组合优化问题的求解中。 　　遗传算法处理问题的流程, 如图2所示。 　　 　　五、算例分析 　　 　　采用上面的数学优化模型,间接费率取0.4,假定工期单位为月,费用单位为万元,计息周期也为月(与工期单位相同),月利率取1% . 　　例如:该案例中共有15个工序,A , B , C , E ,F ,G , L ,M ,N ,P ,Q ,R,S,T,U.其逻辑关