关于遗传算法的桥梁施工资源优化的研究.pdf

1)进化方法的搜索过程是从一组初始点而不是单一的初始点开始搜索，这种 机制意味着搜索过程可以有效地跳出局部极值点。特别是当采用有效的保i正群体 多样性的措施时，进化算法可以很好地将局部搜索和全局搜索协调起来，既可以 完成极值点领域内解的求精，也可以在整个问题空间实施探索，得到问题全局最 优解的概率大大提高了。 2)进化算法在搜索过程中使用豹是基于目标函数值的评价信息，而不是传统 方法主要采用的目标函数的导数信息和待求解问题领域内知识。进化算法的这一 特点使其成为具有良好普适性和可规模化(scalability)的优化方法。 3)进化算法具有显著的隐式并行性(implicitparallelism)。进化算法虽然在只 对有限解个体进行操作，但处理的信息量为群体规模的高次方。 4)进化算法在形式上简单明了，不仅便于其他方法相结合，而且很适合于大 规模并行计算机运算，因此可以有效地用于解决复杂的适应性系统模拟和优化问 + 题。 一问题的进化计算的多次求解中得到的结果是相似的。进化算法的鲁棒性在大量 的应用实例中得到充分的验证。 遗传算法不仅包含了进化算法的基本形式和全都优点，同时还具备有若干独特 的功能： 1)在求解问题时，遗传算法首先要选择编码方式．他直接处理的对象是参数 的编码集而不是问题参数本身，搜索过程即不受优化函数连续性的约束，也没有 优化函数导数必须存在的要求。通过优良染色体基因的重组，遗传算法可以有效 地处理传统上非常复杂的优化函数求解问题。 2)若遗传算法在每一代对群体规模为II的个体进行操作，实际上处理了大约 O(n3)个模式，具有很高的并行性，因而具有显著的搜索效率。 3)在所求问题为非连续、多峰以及有噪声的情况下。能够以很大的概率收敛 到最优解或满意解，因而具有较好的全局最优解求解能力。 4)对函数的性态无要求，针对某一问题的遗传算法经简单修改即可适应于其 他问题，或者加入特定问题的领域知识。或者与已有算法相结合。能够较好地解 决一类复杂问题，因而具有较好的普适性和易扩充性。 5)遗传算法的基本思想简单，运行方式和实现步骤规范，便于具体使用f8l。 3．利用遗传算法进行资源优化的可行性 随着经济科技和社会的不断发展，人们遇到的各种问题越来越复杂，追切需要 寻找一种更好的求解方法。遗传算法作为一种有效的全局搜索方法，从产生至今 不断扩展应用领域，比如工程设计、制造业、人工智能、计算机科学、生物工程、 自动控制、社会科学、商业和金融等。他提供了一种求解复杂系统优化问题的通 用框架，他不依赖于问题的具体领域，对问题的种类有很强的鲁棒性，所以广泛 应用于很多学科，如：函数优化、组合优化、生产调度问题、自动控制、机器人 学、图像处理、人工生命、遗传编程以及机器学习等。 目前，国I勾#t-网络计划的资源优化主要都是以时间一单个资源，时间一费用等 单项优化进行的，优化目标分块隔离，将多个优化结果作综合评价，确定一个最 优工期方案，这样做费时又费q-t”1Ⅲj。神经网络计划技术在优化方面的最高目标 是能将时间、多种资源、费用综合在一个函数中，进行模型计算，最后评价最优 方案。当前高速公路建设项目多，工期紧，要求造价低，我们本着保证质量，加 强管理而科学地降低成本的原则，应用先进管理理论和现代化辅助工具进行合理、 科学的施工组织，最大限度地发挥企业的经济效益。从现场资源管理的角度看， 由于现场施工的管理不是只管某种资源，而是对几种或几十种物质、机械的统一 管理，所以要提高整体效益就必须将多种资源统一在一起，用比较好的数学模型， 用较快的和简捷的计算方法和程序，将多种资源在神经网络计划技术上进行数字 化而求解，同时为开发计算机应用软件提供理论依据。这样对目前普遍存在的盲 Ig追求速度忽视资源优化管理而造成工程损失所带来的巨大浪费的现象的改变同 样具有现实意义。 遗传算法在解决复杂的全局优化问题方面已经取得了成功的经验，并且受到工 程管理界广大技术人员的高度重视。遗传算法的特点是它对问题本身的限制较少， 对问题目标函数和约束条件既不要求可微也不要求连续．仅要求该问题是可计算 的；另一方面它的搜索始终遍及整个解空间，能够找到近乎全局的最优解；而且 遗传算法本身并不要求对优化问题的性质作一些深入的数学分析。因此对不太熟 悉数学理论和算法的使用者来说，既方便又快捷。遗传算法在理论和使用方面所