基于施工现场平面布置安全管理优化模型和算法研究.docVIP

基于施工现场平面布置安全管理优化模型和算法研究 　　摘要：提高施工安全管理水平，减少安全事故的发生，是我国经济建设需要解决的重大问题。施工现场平面布置繁杂多样，需要在多个相互矛盾的目标约束条件下，优化施工场地空间，把临时设施摆放到有限的施工空间内。本文介绍一种全新的算法--帕累托蚁群遗传算法，并在此基础上建立平面布置的安全模型。 　　关键词：施工 平面布置 安全管理 帕累托蚁群遗传算法 　　前言 　　施工单位组织施工的关键指导在于施工的组织计划，它是对施工活动的科学管理重要手段。该文件明确了各个阶段的施工资源和施工工种的相互关系。在施工组织计划中，施工资源是重要内容，场地空间如同设备、材料、劳动力这些因素一样重要，是重要的建筑资源。施工现场平面布置是施工组织计划的重要组成部分。在实际的工程当中，施工现场平面布置结合布置的原则，依据经验进行相关设计。 　　1 施工现场平面布置的原则 　　（1）满足施工的要求，不影响工期，能够保证施工顺利进行； 　　（2）以便设备和材料的运输，并能按计划分期进场，场地布置要确保道路交通通畅，并充分利用场地； 　　（3）生产中需要的设备和材料要遵循就近原则，物品摆放位置要尽量靠近使用地点，减少二次搬运； 　　（4）现场布置要具有紧凑性和合理性，减少用地的浪费。在布置临时设施时，要有助于生活和生产，福利设施和现场办公室可以分开布置，并且生活区要尽量离施工现场远一些，办公相关场所要尽量靠近施工现场； 　　（5）在施工现场要尽量少的搭设临时设施，临时设施可以尽量采用施工现场附近的建筑物，以确保施工的顺利进行。 　　2 帕累托蚁群遗传算法 　　本文提出一种全新算法——帕累托蚁群遗传算法（Pareto-based ACO-GA），它结合了帕累托优化指导思想，并结合奴群算法的优点，寻找目标函数的最终优化结果。 　　下面简单介绍帕累托蚁群遗传算法的算法流程： 　　第一步：随机生成初始蚁群，蚁群规模为N，N可以自行设定，假设一个施工现场是一个n×n的平面布置问题，就是将要把n个设备按照布置原则摆放到n个位置当中，如此，摆放的方法就有n！总不同的情况，并满足N≤n！； 　　第二步：计算每只蚂蚁的约束条件和目标函数，在蚁群算法中，每一个蚂蚁就代表一个解，计算初始蚁群的每一个约束条件和目标函数，就是计算每一只蚂蚁的约束条件和目标函数，这里的约束和目标函数在平面布置当中设定； 　　第三步：外部集合的形成。外部集合就是蚁群的初始非支配解集； 　　第四步：最大循环次数的设定，当算法循环次数达到最大循环次数时，输出优化的解集； 　　第五步：解的优化。蚁群觅食的方向决定于蚂蚁路径的信息素的多少，而路径上的信息素由路径长短来决定。在解决目标问题过程时，路径的长短就是单目标解的优劣，而解的好坏决定于目标函数的表示过程。在多目标的优化中，解没有绝对的优劣，通过解相互间的支配关系进行判断解的优劣，从而决定信息素的具体排放。蚂蚁的寻优过程就是非支配解的寻找过程，寻优过程收到同伴所留下的信息素的多少的影响，考虑解的最优经验，找到更好的蚁群经验，不至于将某些比较优的解丢掉。根据随机数p和设定的p0不同，有局部信息素寻优和全局最有经验寻优两种方式： 　　（1）局部信息素寻优方式： 　　定义每只蚂蚁的信息素浓度θj，表示如下： 　　其中，i，j是蚁群规模，xixj分别是蚁群相对应的解，λ1，λ2，λ3，λ4是信息浓度的四个参数。 　　（2）全局最有经验寻优方式： 　　设定一个外部集合，以保存整个蚁群的所有非支配解集，在此集合中，寻找散布最稀疏的解，它的位置就是蚂蚁的寻优方向。每个解到其他解的距离为： 　　于是，其共享函数值为： 　　式中，σ为小生境半径，对非支配解求其小生境数： 　　小生境数最小非支配解的位置就是蚂蚁的寻优方式。 　　第六步：更新外部集合。利用优化后的解，找到空间当中的非支配解，组合成新的外部集合； 　　第七部：计算解的适应度函数，当达到最大循环次数时，终止蚁群的运算，将解输送到遗传算法，施工现场的平面布置的目标函数就是适应度函数，遗传操作根据此函数选取算子运算； 　　第八步：遗传算法的操作。采用轮盘赌方式，选取适应值比例，其中，每个个体被选择的属相和群体平均值比例有关。 　　第九步：帕累托优化结果输出。算法需要确定一个最大进化代数，当进化到这一数值时，算法自动终止，此时就会输出帕累托优化解。 　　3 施工现场平面布置安全模型的建立 　　本文所建立的施工现场平面布置模型可分为四个部分：输入、优化、评价、输出。见下图： 　　（1）输入部分指识别现场布置的临时设施，其中一些临时设施，如门卫、塔吊等一般情况下是不需要进行优化的，因为布置塔吊需要考虑建筑物周围的施工条件、房