CN112232573A - 基于改进遗传算法的最优施工点包络面选取方法 - Google Patents

基于改进遗传算法的最优施工点包络面选取方法 Download PDF

Info

Publication number
CN112232573A
CN112232573A CN202011130555.XA CN202011130555A CN112232573A CN 112232573 A CN112232573 A CN 112232573A CN 202011130555 A CN202011130555 A CN 202011130555A CN 112232573 A CN112232573 A CN 112232573A
Authority
CN
China
Prior art keywords
envelope surface
enveloping
envelope
surface set
generation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011130555.XA
Other languages
English (en)
Other versions
CN112232573B (zh
Inventor
衷诚
胡振亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PowerChina Chengdu Engineering Co Ltd
Original Assignee
PowerChina Chengdu Engineering Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by PowerChina Chengdu Engineering Co Ltd filed Critical PowerChina Chengdu Engineering Co Ltd
Priority to CN202011130555.XA priority Critical patent/CN112232573B/zh
Publication of CN112232573A publication Critical patent/CN112232573A/zh
Application granted granted Critical
Publication of CN112232573B publication Critical patent/CN112232573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及工程项目施工技术领域，为解决包络面选取时面积过大的问题，具体是一种基于改进遗传算法的最优施工点包络面选取方法，包括：1、生成第一代包络面集合；2、包络面集合进化，进化方式包括选择、交叉及变异；步骤3、不良个体替换；步骤4、判断每代包络面集合中面积最小的包络面是否满足精度需求，若满足，该面积最小的包络面即为目标包络面，若不满足，重复步骤2‑4直至获得目标包络面。采用上述步骤可以获取到最优包络面，从而减少施工量，降低工程项目总成本，节约土地资源。

Description

基于改进遗传算法的最优施工点包络面选取方法
技术领域
本发明涉及工程项目施工技术领域，具体是一种基于改进遗传算法的最优施工点包络面选取方法。
背景技术
在实际工程项目中，施工方往往需要确定一个包络面(施工平面)进行施工，该包络面通常由确定数量的有向施工点连接而成，要求能包络所有的项目所在区域，项目所在区域一般为数量极多的边界点确定的封闭式区域。为减少施工量和工程项目成本，施工点的选取一般以包络面的面积最小为原则。但是实际施工中，施工方没有统一的施工点选取方法，通常按照人工经验选取，只能保证能够包络项目所在区域，不能确保和验证所选取的施工点为最优施工点，造成包络面面积过大从而造成成本损失、土地资源浪费。
发明内容
为了获取最优包络面，减少施工量，降低工程项目总成本，节约土地资源，本发明提供了一种基于改进遗传算法的最优施工点包络面选取方法。
本发明解决上述问题所采用的技术方案是：
基于改进遗传算法的最优施工点包络面选取方法，包括：
步骤1、生成第一代包络面集合：随机生成N个包络面组成第一代包络面集合，所述包络面由M个有向施工点连接而成；
步骤2、包络面集合进化：通过选择、交叉及变异从上一代包络面集合中进化选取出N个包络面组成下一代包络面集合，所述选择为通过在上一代包络面集合中选取N次获得包络面集合a，所述交叉为在包络面集合a中任意两个包络面的有向施工点交叉生成新个体，所述变异为有向施工点在半径为M的圆周内波动生成新个体；
步骤3、不良个体替换：随机生成包络面替换步骤2中生成的不满足包络条件的新个体；
步骤4、判断每代包络面集合中面积最小的包络面是否满足精度需求，若满足，该面积最小的包络面即为目标包络面，若不满足，重复步骤2-4直至获得目标包络面。
进一步地，所述步骤2包络面集合进化还包括最优包络面保存，将上一代包络面集合中面积最小的个体保存到下一代包络面集合中。
进一步地，所述步骤2在进行选择时包络面的面积越小选择到的概率越大。
进一步地，所述步骤1中随机生成100个包络面组成第一代包络面集合，所述包络面由15个有向施工点连接而成。
本发明相比于现有技术具有的有益效果是：利用遗传算法对最优施工点进行人工智能选取，在迭代进化的过程中，使每一代种群中的最优个体逐渐趋近于全局最优，最终生成满足精确度条件的最优包络面，并且可以验证所选取包络面的全局最优性，进而达到最大程度地减少施工量，降低工程项目总成本，节约土地资源的目的；另外，在迭代选取最优包络面时增加了最优包络面保存步骤，通过该步骤可以防止优良个体在进化过程中遗失，还可以提高遗传算法的进化速率，减少进化到相同的精确度所需要的迭代时间。
附图说明
图1为本发明实施例的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示,基于改进遗传算法的最优施工点包络面选取方法，包括：
步骤1、生成第一代包络面集合：随机生成N个包络面组成第一代包络面集合，所述包络面由M个有向施工点连接而成；在本实施例中N取100，M取15，每代包络面集合均包含100个个体可以在保证数据量的同时减少迭代次数。
步骤2、包络面集合进化：通过选择、交叉及变异从上一代包络面集合中进化选取出N个包络面组成下一代包络面集合，所述选择为通过在上一代包络面集合中选取N次获得包络面集合a，选取规则为包络面的面积越小选择到的概率越大；所述交叉为在包络面集合a中任意两个包络面的有向施工点在一定概率下交叉生成新个体，所述变异为包络面有向施工点一定概率下在半径为M的圆周内波动生成新个体。在对上一代包络面进行选取时保留面积大的包络面的选取机会是为了给交叉及变异提供更多的数据基础，使交叉或变异得到的个体更多样。
步骤3、不良个体替换：通过变异或交叉得到的个体可能无法完整包含项目所在区域，此时随机生成新的包络面将其替换；通过步骤2和步骤3后将生成新一代包络面集合。
步骤4、判断每代包络面集合中面积最小的包络面是否满足精度需求，若满足，该面积最小的包络面即为目标包络面，若不满足，重复步骤2-4直至获得目标包络面。在本实施例中当包络面的面积与项目所在区域面积相差小于1％时满足精度需求。
优选地，所述步骤2包络面集合进化还包括最优包络面保存，将上一代包络面集合中面积最小的个体保存到下一代包络面集合中。通过该步骤可以防止优良个体在进化过程中遗失，还可以提高遗传算法的进化速率，减少进化到相同的精确度所需要的迭代时间。

Claims (4)

1.基于改进遗传算法的最优施工点包络面选取方法，其特征在于，包括：
步骤1、生成第一代包络面集合：随机生成N个包络面组成第一代包络面集合，所述包络面由M个有向施工点连接而成；
步骤2、包络面集合进化：通过选择、交叉及变异从上一代包络面集合中进化选取出N个包络面组成下一代包络面集合，所述选择为通过在上一代包络面集合中选取N次获得包络面集合a，所述交叉为在包络面集合a中任意两个包络面的有向施工点交叉生成新个体，所述变异为有向施工点在半径为M的圆周内波动生成新个体；
步骤3、不良个体替换：随机生成包络面替换步骤2中生成的不满足包络条件的新个体；
步骤4、判断每代包络面集合中面积最小的包络面是否满足精度需求，若满足，该面积最小的包络面即为目标包络面，若不满足，重复步骤2-4直至获得目标包络面。
2.根据权利要求1所述的基于改进遗传算法的最优施工点包络面选取方法，其特征在于，所述步骤2包络面集合进化还包括最优包络面保存，将上一代包络面集合中面积最小的个体保存到下一代包络面集合中。
3.根据权利要求1所述的基于改进遗传算法的最优施工点包络面选取方法，其特征在于，所述步骤2在进行选择时包络面的面积越小选择到的概率越大。
4.根据权利要求1所述的基于改进遗传算法的最优施工点包络面选取方法，其特征在于，所述步骤1中随机生成100个包络面组成第一代包络面集合，所述包络面由15个有向施工点连接而成。
CN202011130555.XA 2020-10-21 2020-10-21 基于改进遗传算法的最优施工点包络面选取方法 Active CN112232573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011130555.XA CN112232573B (zh) 2020-10-21 2020-10-21 基于改进遗传算法的最优施工点包络面选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011130555.XA CN112232573B (zh) 2020-10-21 2020-10-21 基于改进遗传算法的最优施工点包络面选取方法

Publications (2)

Publication Number Publication Date
CN112232573A true CN112232573A (zh) 2021-01-15
CN112232573B CN112232573B (zh) 2022-05-31

Family

ID=74119031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011130555.XA Active CN112232573B (zh) 2020-10-21 2020-10-21 基于改进遗传算法的最优施工点包络面选取方法

Country Status (1)

Country Link
CN (1) CN112232573B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006015162A2 (en) * 2004-07-28 2006-02-09 Blue Ridge Analytics Computer-implemented land planning system and method designed to generate at least one conceptual fit solution to a user-defined land development problem
JP2006035068A (ja) * 2004-07-26 2006-02-09 Kajima Corp 廃棄物地層処分場の配置方法
CN110264150A (zh) * 2019-05-20 2019-09-20 中建一局华江建设有限公司 基于地理信息系统的分布式施工点进度管理方法及管理平台
CN110363298A (zh) * 2019-07-19 2019-10-22 中建安装集团有限公司 基于进化算法的智能调线调坡方法
CN110390491A (zh) * 2019-07-29 2019-10-29 北京交通大学 一种公路工程多目标施工计划确定方法
CN111148110A (zh) * 2020-03-30 2020-05-12 汉腾汽车有限公司 一种基于遗传蚁群混合算法的车联网路侧单元部署方法
CN111191304A (zh) * 2019-11-27 2020-05-22 中国地质大学（武汉） 基于随机策略与多目标优化算法的施工场地平面布置方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006035068A (ja) * 2004-07-26 2006-02-09 Kajima Corp 廃棄物地層処分場の配置方法
WO2006015162A2 (en) * 2004-07-28 2006-02-09 Blue Ridge Analytics Computer-implemented land planning system and method designed to generate at least one conceptual fit solution to a user-defined land development problem
CN110264150A (zh) * 2019-05-20 2019-09-20 中建一局华江建设有限公司 基于地理信息系统的分布式施工点进度管理方法及管理平台
CN110363298A (zh) * 2019-07-19 2019-10-22 中建安装集团有限公司 基于进化算法的智能调线调坡方法
CN110390491A (zh) * 2019-07-29 2019-10-29 北京交通大学 一种公路工程多目标施工计划确定方法
CN111191304A (zh) * 2019-11-27 2020-05-22 中国地质大学（武汉） 基于随机策略与多目标优化算法的施工场地平面布置方法
CN111148110A (zh) * 2020-03-30 2020-05-12 汉腾汽车有限公司 一种基于遗传蚁群混合算法的车联网路侧单元部署方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QI ZHANG等: "Application of Genetic Algorithm in Functional Area Layout of Railway Logistics Park", 《SCIENCEDIRECT》 *
汪和平: "SLP和遗传算法在装配式施工现场布置中的应用", 《南阳理工学院学报》 *
陆家林: "大型水电工程施工现场平面布置优化研究", 《中国优秀博硕士学位论文全文数据库（硕士）工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN112232573B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN110601748B (zh) 一种多状态空间信息网络拓扑生成优化算法
US6934555B2 (en) Software analysis tool for CDMA system
US7243056B2 (en) Strategy parameter adaptation in evolution strategies
CN109920028B (zh) 一种宽度平均立面二维模型的地形修正方法
CN109461209B (zh) 一种新型结构网格生成方法
Balzer Capacity-constrained Voronoi diagrams in continuous spaces
CN113953685A (zh) 一种平面板材激光切割路径规划方法
CN111526495B (zh) 一种基于改进遗传算法的车联网AoI优化任务卸载方法
CN112232573B (zh) 基于改进遗传算法的最优施工点包络面选取方法
CN110298517A (zh) 一种基于并行计算的物流运输调度方法、装置及设备
CN105678844A (zh) 一种基于地物散乱点逐点增加的轮廓构建算法
CN112231117A (zh) 基于动态向量混合遗传算法的云机器人服务选择方法及系统
CN115189908B (zh) 一种基于网络数字孪生体的随机攻击生存性评估方法
CN114640966B (zh) 一种车联网中基于移动边缘计算的任务卸载方法
CN110413860A (zh) 一种基于nsga-ii的多云环境下云实例的多目标优化选择方法
CN102130737A (zh) 网络拓扑获取方法及装置
CN109377510B (zh) 超算集群上的粒子追踪方法和系统
CN112109919B (zh) 一种强度试验加载点布局方法
CN109756908B (zh) 无线网络缓存策略的优化方法/系统、存储介质及设备
CN111179375B (zh) 建筑承台的轮廓图形的自动生成方法、装置及计算机存储介质
CN113590211A (zh) 基于pso-de算法的计算卸载方法
Ayadi et al. A new data topology matching technique with multilevel interior growing self-organizing maps
CN108921277A (zh) 一种基于改进物种保存策略的多峰优化骨干微粒群算法
CN115940152B (zh) 一种新能源装机容量优化分配方法、系统、终端及介质
CN113709753B (zh) 一种无线宽带通信系统站点布设组网方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant