【技术实现步骤摘要】
本专利技术涉及施工组织设计，具体为一种综合多因素施工组织设计的多目标智能编制优化方法。
技术介绍
1、施工组织设计在铁路工程施工管理中具有至关重要的作用，能够对工程建设的建设顺序、工期、资源配置、工艺方案等多个主要工程要素进行统筹安排。目前，铁路工程中通常采用传统的关键路径法编制施工组织计划，此方法仅关注工期目标，忽略了对场地环境、生产要素、工艺、成本和资源均衡性等多种因素的考虑，因而容易导致成本浪费或计划失败，难以实现施工过程的精细化管理。然而，在铁路工程的实施过程中，资源配置数量波动将会带来一系列的影响，其中最为突出的是大型机械资源配置不稳定带来的大型机械出入场问题，频繁出入场不仅会导致大型机械设备磨损加剧，还不利于工程进度的稳定性，进而增加工期的不确定性，除此之外，大型机械的出入场还会导致高昂的成本，因此，降低资源使用波动对项目的推进至关重要。综上，铁路建设领域迫切需要对施工组织计划的编制原理进行深入研究，通过建立综合在一定工期范围内考虑场地环境、生产要素、工艺等约束条件的有效工程模型和设计考虑成本、资源波动性两个目标的多目标算法，实现施工组织计划的自动编制，为建设单位和施工单位提供准确、定量的决策支持，也为实现少人化/无人化的智能施工技术奠定基础。
2、资源分配问题的目标是在项目中合理分配受到限制的资源，以实现整个工程的最低成本。资源受限项目调度问题是具有挑战性的资源分配问题，同时也是铁路工程施工进度计划编制优化领域的典型问题，其主要考虑活动的工期以及与之相关的资源配置，并且资源是以离散且可分割的方式存在的。
技术实现思路
1、本专利技术的目的在于提供一种综合多因素施工组织设计的多目标智能编制优化方法，旨在研究解决多模式资源受限项目调度问题中同时考虑成本最低和资源波动最小的多目标优化方法，为决策者和施工单位提供一组同时满足多种优化目标且满足施工要求的帕累托集合并且可以解决上百个活动的大规模施工进度计划编制优化问题，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种综合多因素施工组织设计的多目标智能编制优化方法，具体包括以下步骤：
4、s1、问题建模：根据资源波动、工程成本和工程调度约束，构造成本-资源波动性最优的多目标函数，并设计了多目标智能优化算法；
5、s2、算法设计：
6、s2.1、首先确定工程的基本信息；
7、s2.2、对种群进行随机初始化，
8、s2.3、对初始化种群中的每个个体进行适应值计算；
9、s2.4、以当前种群为父代种群，应用二进制锦标赛选择算子从当前种群中选择加入交配池的个体；
10、s2.5、随后对交配池中个体进行随机配对，对成功配对的个体对进行多点交叉生成子代个体；
11、s2.6、再对生成的子代个体进行随机变异；
12、s2.7、对于新生成的不满足台班约束的个体使用混合修复策略进行修复；
13、s2.8、使用基于两层惩罚的适应值计算方法对新产生的子代种群进行适应值评估，并将个体分为可行解、潜在可行解和完全不可行解；
14、s2.9、使用帕累托前沿逼近策略对潜在可行解进行改进；
15、s2.10、合并父代和子代种群并依次进行非支配解排序、拥挤度计算和精英保留；
16、s2.11、重复步骤s2.4至s2.10，直至达到最大迭代次数；
17、s3、输出施工进度计划：对所有处于帕累托前沿的个体进行解码，输出相应的施工进度计划。
18、作为本专利技术的一种优选方案：所述s1中的工程成本包括工作成本和空置成本，所述s1中的工程调度约束具体包括紧前约束、资源约束、工期约束、台班出场约束和环境约束，所述s1中成本-资源波动性最优的多目标函数如下：
19、
20、
21、其中f1为计算成本、f2为计算资源数量波动、n为工序种类数、pi为第i个工序包含的活动数、ci为第i个工序的单台班工作成本、si,j为第i个工序的第j个活动安排的台班数、di,j为完成第i个工序的第j个活动所需的工作时间、starti,j为第i个工序的第j个活动的开始时间、finishi,j为第i个工序的第j个活动的结束时间、m为资源种类数、ri,j,k为第i个工序的第j个活动使用的第k种资源的数量、ρ为空置成本是出工成本的倍数且满足0＜ρ＜1。
22、作为本专利技术的一种优选方案：所述s2中的对种群进行随机初始化操作具体包括以下步骤：
23、s3.1、首先按照工序逻辑关系的顺序为不同的j个活动进行编号；
24、s3.2、使用一组长为j的一维数组δ＝(θ1，θ2，...，θj，θj+1)表示染色体，其中染色体中的前j个基因位表示该工作使用的台班数，第j+1个基因位表示该个体是否可行，1表示该个体为完全无效解个体，2表示该个体为潜在有效解个体，3表示该个体为可行个体；
25、s3.3、为每个个体的前j个基因位分配满足台班约束的随机整数，将第j+1位初始化为1。
26、作为本专利技术的一种优选方案：所述s2中的适应值计算具体步骤如下：
27、s4.1、设置两个惩罚因子ω1,ω2且ω1远大于ω2；
28、s4.2、对于任意个体，根据台班安排计算最短工期，并判断最短工期是否满足约束；
29、s4.3、最短工期不满足约束，则不进行下一步的方案编制，将其第j+1个基因位设置为1，并在其适应值上施加ω1乘以超出工期范围天数的惩罚值，不再继续往下执行；最短工期满足工期约束，则使用整体编制策略进行方案编制，并检查其是否满足资源约束，继续执行以下步骤；
30、s4.4、不满足资源约束，则将其第j+1个基因位设置为1，不再继续往下执行；满足资源约束，则继续检测新编制策略是否满足工期约束，继续执行以下步骤；
31、s4.5、不满足工期约束，则将其第j+1个基因位设置为2，并在其适应值上施加ω2乘以超出工期范围的天数的惩罚值；满足工期约束，则将其第j+1个基因位设置为3。
32、作为本专利技术的一种优选方案：所述s2中的帕累托前沿逼近策略是指对于任一第j+1个基因位为2的潜在可行个体，随机选择一个第j+1个基因位为3的可行个本文档来自技高网...
【技术保护点】
1.一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S1中的工程成本包括工作成本和空置成本，所述S1中的工程调度约束具体包括紧前约束、资源约束、工期约束、台班出场约束和环境约束，所述S1中成本-资源波动性最优的多目标函数如下：
3.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的对种群进行随机初始化操作具体包括以下步骤：
4.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的适应值计算具体步骤如下：
5.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的帕累托前沿逼近策略是指对于任一第J+1个基因位为2的潜在可行个体，随机选择一个第J+1个基因位为3的可行个体，比较两个个体在资源波动性目标上的大小，若潜在可行个体在资源波动性目标上表现更好，则对该个体进行局部搜索，并重新
6.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的多点交叉和随机变异操作具体如下：
7.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的混合修复策略具体如下：
8.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的非支配解排序策略具体步骤如下：
9.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2中的拥挤度计算具体步骤如下：
10.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述S2的精英保留策略具体步骤如下：
...【技术特征摘要】
1.一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述s1中的工程成本包括工作成本和空置成本，所述s1中的工程调度约束具体包括紧前约束、资源约束、工期约束、台班出场约束和环境约束，所述s1中成本-资源波动性最优的多目标函数如下：
3.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述s2中的对种群进行随机初始化操作具体包括以下步骤：
4.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述s2中的适应值计算具体步骤如下：
5.根据权利要求1所述的一种综合多因素施工组织设计的多目标智能编制优化方法，其特征在于：所述s2中的帕累托前沿逼近策略是指对于任一第j+1个基因位为2的潜在可行个体，随机选择一个第j+1...
【专利技术属性】
技术研发人员：黄婷，庄峰，李雅洁，刘静，
申请(专利权)人：西安电子科技大学广州研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。