CN114638443A - 一种基于改进遗传算法的施工设备智能选型及调配方法 - Google Patents
一种基于改进遗传算法的施工设备智能选型及调配方法 Download PDFInfo
- Publication number
- CN114638443A CN114638443A CN202210541204.0A CN202210541204A CN114638443A CN 114638443 A CN114638443 A CN 114638443A CN 202210541204 A CN202210541204 A CN 202210541204A CN 114638443 A CN114638443 A CN 114638443A
- Authority
- CN
- China
- Prior art keywords
- equipment
- construction
- project
- model
- selection
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002068 genetic effect Effects 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 238000009435 building construction Methods 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000009396 hybridization Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 238000013439 planning Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 7
- 238000002156 mixing Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于改进遗传算法的施工设备智能选型及调配方法，该方法包括以下步骤：获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；为施工项目推荐建筑施工大型专用设备的推荐集；以项目综合耗损值最低为优化目标建立设备选型优化模型；对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；生成机械设备需用计划；利用比选判断规则在动态机械资源数据库中进行设备的自动比选；依据调配规则生成调配任务，进行建筑施工大型专用设备的调配。本发明可以有效地提高企业资产的利用率，降低企业的经营成本，增加企业的经营利润，可以更好地满足于企业的使用需求。
Description
技术领域
本发明涉及信息处理技术领域，具体来说，涉及一种基于改进遗传算法的施工设备智能选型及调配方法。
背景技术
全过程机械化施工过程中，施工装备是实现机械化施工的重要物质基础，对施工项目的进度、质量均有直接影响。在考虑选用施工机械设备时，需综合考虑施工现场的条件、机械设备性能、施工工艺和方法、设计方案、施工组织与管理、经济等方面的因素，使施工所用装备能合理配套使用，装备间使用条件统筹、有机联系，充分发挥机械设备的效能。
目前，建筑施工企业大型专用设备主要为盾构机、架桥机，这些设备具备共同特征：如购置价值高，运维成本高，使用寿命长。因基础建设一直处于高速增长的状态，大型专用设备保有量增加，资产管理各环节存在以下问题：
设备管理者不能全面及时掌握资产购置信息、数量、质量、位置、运转状态、运转时长、产能等信息，此外，对于设备的选型和调配而言，由于缺乏相应的选配及调配系统或方法，从而使得传统建筑施工过程中对于大型专用设备的选型和调配靠人工经验来判断，容易导致设备资源不能因需调配，形成设备闲置现象的发生，从而容易影响企业资产的利用率，增加企业的经营成本，降低经营利润。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种基于改进遗传算法的施工设备智能选型及调配方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
一种基于改进遗传算法的施工设备智能选型及调配方法，该方法包括以下步骤：
S1、获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；
S2、利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集；
S3、基于所述推荐集中的基本信息数据并以项目综合耗损值最低为优化目标建立设备选型优化模型；
S4、利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；
S5、依据所述施工项目中各施工工序的优选设备生成机械设备需用计划；
S6、根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选；
S7、基于所述比选结果依据调配规则生成调配任务，并按照所述调配任务进行建筑施工大型专用设备的调配。
进一步的，所述历史基本信息数据包括施工项目类型、工号名称、项目参数、施工工期、项目成本、设备名称、设备规格型号、设备技术参数、项目设备需求数量及设备台班。
进一步的，所述S2中利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集包括以下步骤：
S21、对所述历史基本信息数据进行清洗并转换成项目与型号的评分矩阵及型号与项目的评分矩阵；
S22、利用K-means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵；
S23、根据聚类结果并利用相关相似度度量方法在每个类别上找出目标项目的近邻项目，分析得到项目在该类别上的推荐项目集；
S24、综合所有类别上的推荐项目，对预测评分值进行排序，并依据排序由高至低的结果将预设数量的推荐项目作为施工项目推荐建筑施工大型专用设备的推荐集。
进一步的，所述S22中利用K-means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵包括以下步骤：
S221、设定聚类中心的个数k，并随机从型号与项目的评分矩阵中选取k个型号作为首次聚类中心；
S222、基于首次聚类中心采用欧式距离计算方法计算两个型号之间的距离，并将型号归到距离最近的类别中；
S223、当一轮聚类结束后求取每个类别新的中心，并定义新簇类中心的坐标为该类别的质心；
S224、重复执行S222及S223，当最新的聚类中心及原聚类中心小于等于预设值时，聚类完成，得到k个不同的类别；
S225、在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵。
进一步的，所述S23中相关相似度度量方法的计算公式如下：
其中，sim（i,mn）表示项目i 与项目mn的相似度，C表示项目类别，I(i,mn)表示项目mn和项目i的评分集合，Rm,c表示项目m对项目c的评分，Rn,c表示项目n对项目c的评分，
表示项目m对项目c的评分平均估值，
表示项目n对项目c的评分平均估值。
进一步的，所述设备选型优化模型的公式如下：
式中，F（x）表示项目综合耗损值，x表示项目名称，C（x）表示项目施工成本，T（x）表示项目施工工期，λ1和λ2分别表示项目施工成本和项目施工工期的权重。
进一步的，所述S4中利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备包括以下步骤：
S41、对设备选型优化模型中的变量进行编码，并随机生成一定数量的个体作为第一次寻优的初始种群；
S42、每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体；
S43、根据预设的变异概率随机的从新一代的群体中选择若干个个体，再随机的选取某一位进行变异运算，形成最终的新一代群体；
S44、判断是否满足于停机条件，若否，则将最终的新一代群体作为初始个体并返回S42，若是，则执行S45；
S45、选取第一次寻优的初始种群中适应度最大的个体作为第二次寻优的初始种群的产生区间中心，并以适应度最大的个体为中心随机生成第二次寻优的初始种群；
S46、重复执行S42-S44，直到最终生成满足停机条件的最终的群体；
S47、判断第二次寻优的最终生成的群体中适应度最大的个体是否大于第一次寻优的初始种群中适应度最大的个体，若是，则以第二次寻优的最终生成的群体中适应度最大的个体作为最终的阈值，若否，则第一次寻优的初始种群中适应度最大的个体作为最终的阈值；
S48、基于最终的阈值分析得到施工项目中各施工工序的优选设备。
进一步的，所述S42中每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体包括以下步骤：
S421、计算初始种群中各初始个体的适应度总和S，并随机生成一个0~S之间的随机数Se；
S422、从第一个个体开始进行累加直至累加值大于随机数Se，则最后一个累加的个体便为要选择的个体；
S423、选出两个个体后，根据预设的杂交概率Ph随机选取在某一位开始进行杂交运算，生成两个新的个体；
S424、重复S421-S423直至生成新一代的群体。
进一步的，所述动态机械资源数据库中包括以下信息：设备编码、设备名称、设备规格型号、设备技术参数、设备状态、设备当前位置、当前运转时长、实际进场时间、计划出场时间、规定工歇保养天数、总运转时长、设备寿命年限、设备已使用年限、购置价、设备新旧程度、成新率、资产所属单位、施工项目类型、工号名称、项目参数、施工项目名称、施工工期、项目成本、项目设备需求数量及设备台班。
进一步的，所述S6中根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选包括以下步骤：
S61、判断机械设备需用计划信息中的优选设备是否处于闲置状态，若是，则选中该大型专用设备，若否，则执行S62；
S62、判断正在运转的大型专用设备是否能在计划进场时间前闲置并参与调配，若是，则选中该大型专用设备，若否，则触发设备采购或租赁流程；
S63、判断是否存在多条设备比选结果，若是，则采用成新率和运距综合评价得分最高的大型专用设备作为选中结果，若否，则执行S7；
其中，所述综合评价得分的公式如下：
Y=70β+0.3X；
式中，β表示设备成新率，X表示里程评分，Y表示综合评价得分。
本发明的有益效果为：
1）通过利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集，并以项目综合耗损值最低为优化目标建立设备选型优化模型，利用改进遗传算法对该优化模型进行优化便可得到各施工工序的优选设备，完成建筑施工项目中各施工工序中大型专用设备的选型，同时利用预设比选判断规则及调配规则生成调配任务，便可依据该调配任务完成建筑施工项目中各施工工序中大型专用设备的调配，相比于传统的人工选型及调配方法，本发明通过运用物联网、大数据及云计算等技术使设备管理信息化、实时化和高度匹配业务，显著提高资源配置能力和工程设备管理水平，从而可以有效地提高企业资产的利用率，降低企业的经营成本，增加企业的经营利润，可以更好地满足于企业的使用需求。
2）本发明通过利用基于改进型协同过滤推荐算法推荐建筑施工大型专用设备的推荐集，并结合改进遗传算法对设备选型优化模型进行优化，提出一种二次搜索寻优到的阈值选取策略，能够显著的提高阈值选取的速度，从而可以有效地提高大型专用设备的选型速率及选型准确率，进而可以更好地满足于建筑施工项目中各施工工序中大型专用设备的选型需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于改进遗传算法的施工设备智能选型及调配方法的流程示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了一种基于改进遗传算法的施工设备智能选型及调配方法。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的一种基于改进遗传算法的施工设备智能选型及调配方法，该方法包括以下步骤：
S1、获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；
其中，所述历史基本信息数据包括施工项目类型、工号名称、项目参数、施工工期、项目成本、设备名称、设备规格型号、设备技术参数（盾构机管片外径、架桥机最大梁宽、梁高、跨度、梁重等）、项目设备需求数量及设备台班。
具体的，工号名称通过结合工程和专业类型在标准工号的基础上按照实际施工内容划分、命名四级工号，以适用盾构机施工的城市轨道交通工程，专业为土建工程示例四级工号划分方法如下：
S2、利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集；
其中，所述S2中利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集包括以下步骤：
S21、对所述历史基本信息数据进行清洗并转换成项目与型号的评分矩阵Rmn及型号与项目的评分矩阵Rnm；
具体的，项目与型号的评分矩阵及型号与项目的评分矩阵如下：
S22、利用K-means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵R={R1,R2,R3,…,Rk}；
具体的，所述S22中利用K-means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵包括以下步骤：
S221、设定聚类中心的个数k，并随机从型号与项目的评分矩阵中选取k个型号作为首次聚类中心，记为J={J1,J2,J3,…,Jk}；
S222、基于首次聚类中心采用欧式距离计算方法计算两个型号之间的距离，并将型号归到距离最近的类别中；
S223、当一轮聚类结束后求取每个类别新的中心，并定义新簇类中心的坐标为该类别的质心；
S224、重复执行S222及S223，当最新的聚类中心及原聚类中心小于等于预设值时，聚类完成，得到k个不同的类别；
S225、在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵。
S23、根据聚类结果并利用相关相似度度量方法在每个类别上找出目标项目的近邻项目，分析得到项目在该类别上的推荐项目集Ik={I1,I2,I3,…,Im}；
具体的，所述S23中相关相似度度量方法的计算公式如下：
其中，sim（i,mn）表示项目i 与项目mn的相似度，C表示项目类别，I(i,mn)表示项目mn和项目i的评分集合，Rm,c表示项目m对项目c的评分，Rn,c表示项目n对项目c的评分，
表示项目m对项目c的评分平均估值，
表示项目n对项目c的评分平均估值。
S24、综合所有类别上的推荐项目，对预测评分值进行排序，并依据排序由高至低的结果将预设数量的推荐项目作为施工项目推荐建筑施工大型专用设备的推荐集。
S3、基于所述推荐集中的基本信息数据并以项目综合耗损值最低为优化目标建立设备选型优化模型；
其中，所述设备选型优化模型的公式如下：
式中，F（x）表示项目综合耗损值，x表示项目名称，C（x）表示项目施工成本，T（x）表示项目施工工期，λ1和λ2分别表示项目施工成本和项目施工工期的权重。
S4、利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；
其中，所述S4中利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备包括以下步骤：
S41、对设备选型优化模型中的变量进行编码，并随机生成一定数量的个体作为第一次寻优的初始种群；
S42、每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体；
具体的，所述S42中每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体包括以下步骤：
S421、计算初始种群中各初始个体的适应度总和S，并随机生成一个0~S之间的随机数Se；
S422、从第一个个体开始进行累加直至累加值大于随机数Se，则最后一个累加的个体便为要选择的个体；
S423、选出两个个体后，根据预设的杂交概率Ph随机选取在某一位开始进行杂交运算，生成两个新的个体；
S424、重复S421-S423直至生成新一代的群体。
S43、根据预设的变异概率随机的从新一代的群体中选择若干个个体，再随机的选取某一位进行变异运算，形成最终的新一代群体；为了防止杂交和变异操作破坏上一代群体中的适应度最高的解，我们用上一代群体中适应度最高的个体与群体中适应度最低的个体进行比较，若前者的适应度比后者的适应度高，则用前者替换掉后者，否则什么也不做。这样做的目的是防止种群的退化而导致收敛速度过慢，能显著的加快收敛速度。
S44、判断是否满足于停机条件，若否，则将最终的新一代群体作为初始个体并返回S42，若是，则执行S45；
S45、选取第一次寻优的初始种群中适应度最大的个体作为第二次寻优的初始种群的产生区间中心，并以适应度最大的个体为中心随机生成第二次寻优的初始种群；
S46、重复执行S42-S44，直到最终生成满足停机条件的最终的群体；
S47、判断第二次寻优的最终生成的群体中适应度最大的个体是否大于第一次寻优的初始种群中适应度最大的个体，若是，则以第二次寻优的最终生成的群体中适应度最大的个体作为最终的阈值，若否，则第一次寻优的初始种群中适应度最大的个体作为最终的阈值；
S48、基于最终的阈值分析得到施工项目中各施工工序的优选设备。
在上面的算法流程步骤中，比较关键的两点是：第一，在每一代新种群中都保证了此代群体中适应度最大的个体的适应度不会小于上一代个体中适应度最大的个体，从而能够防止因种群中最优个体的退化而导致的寻优速度的变慢，从而加快了寻优的速度。第二，也就是在前面提到过的两次寻优策略，这一步骤是为了保证寻优的质量，尽管不能保证每次都能搜索到全局最优解，但通过这一步骤，能够保证搜寻到一个非常接近全局最优解的准最优解。
S5、依据所述施工项目中各施工工序的优选设备生成机械设备需用计划；
S6、根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选；
其中，建筑施工大型专用设备上安装智能硬件设备，通过物联网对设备数据进行整合，结合中铁四局集团有限公司云计算平台获取、存储实时GPS定位、工作轨迹、工时统计、电子围栏越域报警、防盗报警等信息，形成动态机械资源库，所述动态机械资源数据库中包括以下信息：设备编码、设备名称、设备规格型号、设备技术参数、设备状态、设备当前位置、当前运转时长、实际进场时间、计划出场时间、规定工歇保养天数、总运转时长、设备寿命年限、设备已使用年限（规定）、购置价、设备新旧程度、成新率（%）、资产所属单位、施工项目类型、工号名称、项目参数、施工项目名称、施工工期、项目成本、项目设备需求数量及设备台班。
其中，所述S6中根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选包括以下步骤：
S61、判断机械设备需用计划信息中的优选设备是否处于闲置状态（维保和调配的设备不参与比选），若是，则选中该大型专用设备，若否，则执行S62；
具体的，设备运转状态分别为：闲置、运转、维保、调配。各状态判断规则如下：
闲置：设备对应工号下所有子项工程（形象构件）完工比=100%，且自最后一个子项工程完工时间+工歇维保天数（1+20%），浮动比例可根据实际数据记录修正。
运转：有进场记录但未有工作记录；设备对应工号下所有子项工程（形象构件）完工比<100%且有工作运转记录回传，设备施工期间因故障维修停工也视同运转。
维保：列入维保状态的设备有以下情形：
情形1：成新率<=20%设备，成新率<=20%设备维修、保养成本高不作为调配对象；
成新率计算公式：成新率β=(A-t∙a)/A×100%；
式中，A表示设备的寿命年限（里程），t表示设备已使用年限（里程），a表示设备利用系数。
设备利用系数α=实际运转时长（h）/应运转时长（h），实际运转时长=总运转时长，应运转时长=日额定运转时长8h*标准运转天数25*设备已使用月数。
说明：盾构机成新率采用设备寿命里程和设备实际推进里程。
情形2：项目完工设备工歇维保和处于维修的设备；盾构机和架桥机工歇维保标准分别为盾构机90天，架桥机100天。
调配：根据机械设备计划在动态机械设备资源库选中的设备，尚未到达项目施工现场。
S62、判断正在运转的大型专用设备是否能在计划进场时间前闲置并参与调配，若是，则选中该大型专用设备，若否，则触发设备采购或租赁流程；
具体的，判断规则如下：目前所处工程计划出场时间+设备工歇维保天数<需求设备工程项目计划进场时间。如果符合条件选中设备，否则触发设备采购或租赁流程。
S63、判断是否存在多条设备比选结果，若是，则采用成新率和运距综合评价得分最高的大型专用设备作为选中结果，若否，则执行S7；
其中，综合评价方法如下：
a评价指标设定：评价指标由成新率和里程两个指标组成，见各指标评价标准：
指标1：成新率如下表所示：
指标2：里程如下表所示：
b所述综合评价得分的公式如下：
Y=70β+0.3X；
式中，β表示设备成新率，X表示里程评分，Y表示综合评价得分。
S7、基于所述比选结果依据调配规则生成调配任务，并按照所述调配任务进行建筑施工大型专用设备的调配。
具体的，生成调配任务：物流信息提交保存后，选中的设备状态改写为“调配”，自动生成调配任务推送给物设管理人员在移动端查看。调配任务有下信息：设备编码、设备名称、型号规格、设备状态、设备当前位置、进场详细地址、预计到达时间、设备需用项目名称、计划进场时间、计划出场时间、物流方式、运输费、承运人、承运人联系方式。
此外，在调配过程中还包括滞后进场预警通知和设备进场：
滞后进场预警通知：设备调配任务办理完成，通过对当前设备位置和进场详细地址、预计到达时间比对判读是否准时进场。如果超过预计到达时间设备仍未进场的则向物设管理人员手机推送《滞后进场预警通知》。具体判断规则如下：
判断1：设备当前位置与进场详细地址为中心点100m范围位置匹配重合，重合则判断设备进场触发向需求设备的物设部人员发出设备进场接收通知。否则，未进场。
判断2：当前日期>预计到达时间且判断设备是否进场，未进场则触发预警。
设备进场：当设备到达进场地址时，项目部物机部人员根据手机端设备进场接收通知指示开展设备接收、验收工作并在系统上传纸质设备接收附件。信息提交保存后设备状态改写为“运转”，自动更新机械资源库中所在项目名称信息，闭合调配任务。
综上所述，借助于本发明的上述技术方案，通过利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集，并以项目综合耗损值最低为优化目标建立设备选型优化模型，利用改进遗传算法对该优化模型进行优化便可得到各施工工序的优选设备，完成建筑施工项目中各施工工序中大型专用设备的选型，同时利用预设比选判断规则及调配规则生成调配任务，便可依据该调配任务完成建筑施工项目中各施工工序中大型专用设备的调配，相比于传统的人工选型及调配方法，本发明通过运用物联网、大数据及云计算等技术使设备管理信息化、实时化和高度匹配业务，显著提高资源配置能力和工程设备管理水平，从而可以有效地提高企业资产的利用率，降低企业的经营成本，增加企业的经营利润，可以更好地满足于企业的使用需求。
此外，本发明通过利用基于改进型协同过滤推荐算法推荐建筑施工大型专用设备的推荐集，并结合改进遗传算法对设备选型优化模型进行优化，提出一种二次搜索寻优到的阈值选取策略，能够显著的提高阈值选取的速度，从而可以有效地提高大型专用设备的选型速率及选型准确率，进而可以更好地满足于建筑施工项目中各施工工序中大型专用设备的选型需求。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，该方法包括以下步骤：
S1、获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；
S2、利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集；
S3、基于所述推荐集中的基本信息数据并以项目综合耗损值最低为优化目标建立设备选型优化模型；
S4、利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；
S5、依据所述施工项目中各施工工序的优选设备生成机械设备需用计划；
S6、根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选；
S7、基于所述比选结果依据调配规则生成调配任务，并按照所述调配任务进行建筑施工大型专用设备的调配；
其中，所述S2中利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集包括以下步骤：
S21、对所述历史基本信息数据进行清洗并转换成项目与型号的评分矩阵及型号与项目的评分矩阵；
S22、利用K-means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵；
S23、根据聚类结果并利用相关相似度度量方法在每个类别上找出目标项目的近邻项目，分析得到项目在该类别上的推荐项目集；
S24、综合所有类别上的推荐项目，对预测评分值进行排序，并依据排序由高至低的结果将预设数量的推荐项目作为施工项目推荐建筑施工大型专用设备的推荐集。
2.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述历史基本信息数据包括施工项目类型、工号名称、项目参数、施工工期、项目成本、设备名称、设备规格型号、设备技术参数、项目设备需求数量及设备台班。
3.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S22中利用K-means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵包括以下步骤：
S221、设定聚类中心的个数k，并随机从型号与项目的评分矩阵中选取k个型号作为首次聚类中心；
S222、基于首次聚类中心采用欧式距离计算方法计算两个型号之间的距离，并将型号归到距离最近的类别中；
S223、当一轮聚类结束后求取每个类别新的中心，并定义新簇类中心的坐标为该类别的质心；
S224、重复执行S222及S223，当最新的聚类中心及原聚类中心小于等于预设值时，聚类完成，得到k个不同的类别；
S225、在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵。
4.根据权利要求3所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S23中相关相似度度量方法的计算公式如下：
其中，sim（i,mn）表示项目i 与项目mn的相似度，C表示项目类别，I(i,mn)表示项目mn和项目i的评分集合，Rm,c表示项目m对项目c的评分，Rn,c表示项目n对项目c的评分，
表示项目m对项目c的评分平均估值，
表示项目n对项目c的评分平均估值。
5.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述设备选型优化模型的公式如下：
式中，F（x）表示项目综合耗损值，x表示项目名称，C（x）表示项目施工成本，T（x）表示项目施工工期，λ1和λ2分别表示项目施工成本和项目施工工期的权重。
6.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S4中利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备包括以下步骤：
S41、对设备选型优化模型中的变量进行编码，并随机生成一定数量的个体作为第一次寻优的初始种群；
S42、每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体；
S43、根据预设的变异概率随机的从新一代的群体中选择若干个个体，再随机的选取某一位进行变异运算，形成最终的新一代群体；
S44、判断是否满足于停机条件，若否，则将最终的新一代群体作为初始个体并返回S42，若是，则执行S45；
S45、选取第一次寻优的初始种群中适应度最大的个体作为第二次寻优的初始种群的产生区间中心，并以适应度最大的个体为中心随机生成第二次寻优的初始种群；
S46、重复执行S42-S44，直到最终生成满足停机条件的最终的群体；
S47、判断第二次寻优的最终生成的群体中适应度最大的个体是否大于第一次寻优的初始种群中适应度最大的个体，若是，则以第二次寻优的最终生成的群体中适应度最大的个体作为最终的阈值，若否，则第一次寻优的初始种群中适应度最大的个体作为最终的阈值；
S48、基于最终的阈值分析得到施工项目中各施工工序的优选设备。
7.根据权利要求6所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S42中每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体包括以下步骤：
S421、计算初始种群中各初始个体的适应度总和S，并随机生成一个0~S之间的随机数Se；
S422、从第一个个体开始进行累加直至累加值大于随机数Se，则最后一个累加的个体便为要选择的个体；
S423、选出两个个体后，根据预设的杂交概率Ph随机选取在某一位开始进行杂交运算，生成两个新的个体；
S424、重复S421-S423直至生成新一代的群体。
8.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述动态机械资源数据库中包括以下信息：设备编码、设备名称、设备规格型号、设备技术参数、设备状态、设备当前位置、当前运转时长、实际进场时间、计划出场时间、规定工歇保养天数、总运转时长、设备寿命年限、设备已使用年限、购置价、设备新旧程度、成新率、资产所属单位、施工项目类型、工号名称、项目参数、施工项目名称、施工工期、项目成本、项目设备需求数量及设备台班。
9.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S6中根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选包括以下步骤：
S61、判断机械设备需用计划信息中的优选设备是否处于闲置状态，若是，则选中该大型专用设备，若否，则执行S62；
S62、判断正在运转的大型专用设备是否能在计划进场时间前闲置并参与调配，若是，则选中该大型专用设备，若否，则触发设备采购或租赁流程；
S63、判断是否存在多条设备比选结果，若是，则采用成新率和运距综合评价得分最高的大型专用设备作为选中结果，若否，则执行S7；
其中，所述综合评价得分的公式如下：
式中，β表示设备成新率，X表示里程评分，Y表示综合评价得分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210541204.0A CN114638443B (zh) | 2022-05-19 | 2022-05-19 | 一种基于改进遗传算法的施工设备智能选型及调配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210541204.0A CN114638443B (zh) | 2022-05-19 | 2022-05-19 | 一种基于改进遗传算法的施工设备智能选型及调配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114638443A true CN114638443A (zh) | 2022-06-17 |
| CN114638443B CN114638443B (zh) | 2022-08-23 |
Family
ID=81953277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210541204.0A Active CN114638443B (zh) | 2022-05-19 | 2022-05-19 | 一种基于改进遗传算法的施工设备智能选型及调配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114638443B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115358821A (zh) * | 2022-08-24 | 2022-11-18 | 杭州正策信息科技有限公司 | 一种提升科技成果转化率的智能推荐方法和系统 |
| CN116307286A (zh) * | 2023-05-19 | 2023-06-23 | 安徽数智建造研究院有限公司 | 一种基于数字化的建筑运维工单监控管理系统 |
| CN117035697A (zh) * | 2023-10-09 | 2023-11-10 | 天津云起技术有限公司 | 基于历史动态分析的itsm平台优化方法及系统 |
| CN117273394A (zh) * | 2023-11-17 | 2023-12-22 | 中铁四局集团有限公司 | 一种基于大数据的智能设备选型调配分析管理方法 |
| CN118521187A (zh) * | 2024-07-23 | 2024-08-20 | 陕西水务发展建设集团有限公司 | 一种基于人工智能的工程技术支持与决策管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170053244A1 (en) * | 2015-08-22 | 2017-02-23 | Salim B. KHALIL | Automated, integrated and complete computer program/project management solutions standardizes and optimizes management processes and procedures utilizing customizable and flexible systems and methods |
| CN107391713A (zh) * | 2017-07-29 | 2017-11-24 | 内蒙古工业大学 | 一种解决协同过滤推荐技术中冷启动问题的方法及系统 |
| US20190034804A1 (en) * | 2017-07-31 | 2019-01-31 | Sentient Technologies (Barbados) Limited | Training and Control System for Evolving Solutions to Data-Intensive Problems Using Epigenetic Enabled Individuals |
| CN111062119A (zh) * | 2019-11-26 | 2020-04-24 | 深圳大学 | 一种建设项目多目标优化方法 |
| CN111428148A (zh) * | 2020-03-26 | 2020-07-17 | 北京航空航天大学 | 一种适于制造过程规划的智能优化算法推荐方法 |
| CN112100512A (zh) * | 2020-04-10 | 2020-12-18 | 南京邮电大学 | 一种基于用户聚类和项目关联分析的协同过滤推荐方法 |
| US20220036301A1 (en) * | 2019-11-05 | 2022-02-03 | Strong Force Vcn Portfolio 2019, Llc | Internet of things resources for control tower and enterprise management platform |
| CN114065690A (zh) * | 2021-10-15 | 2022-02-18 | 南方电网数字电网研究院有限公司 | 一种基于推荐算法的配电网自动绘图方法 |
-
2022
- 2022-05-19 CN CN202210541204.0A patent/CN114638443B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170053244A1 (en) * | 2015-08-22 | 2017-02-23 | Salim B. KHALIL | Automated, integrated and complete computer program/project management solutions standardizes and optimizes management processes and procedures utilizing customizable and flexible systems and methods |
| CN107391713A (zh) * | 2017-07-29 | 2017-11-24 | 内蒙古工业大学 | 一种解决协同过滤推荐技术中冷启动问题的方法及系统 |
| US20190034804A1 (en) * | 2017-07-31 | 2019-01-31 | Sentient Technologies (Barbados) Limited | Training and Control System for Evolving Solutions to Data-Intensive Problems Using Epigenetic Enabled Individuals |
| US20220036301A1 (en) * | 2019-11-05 | 2022-02-03 | Strong Force Vcn Portfolio 2019, Llc | Internet of things resources for control tower and enterprise management platform |
| CN111062119A (zh) * | 2019-11-26 | 2020-04-24 | 深圳大学 | 一种建设项目多目标优化方法 |
| CN111428148A (zh) * | 2020-03-26 | 2020-07-17 | 北京航空航天大学 | 一种适于制造过程规划的智能优化算法推荐方法 |
| CN112100512A (zh) * | 2020-04-10 | 2020-12-18 | 南京邮电大学 | 一种基于用户聚类和项目关联分析的协同过滤推荐方法 |
| CN114065690A (zh) * | 2021-10-15 | 2022-02-18 | 南方电网数字电网研究院有限公司 | 一种基于推荐算法的配电网自动绘图方法 |
Non-Patent Citations (2)
| Title |
|---|
| 江岳文等: "基于改进蚁群算法的专用输电工程电气设备优化选型", 《郑州大学学报(工学版)》 * |
| 范泽兵等: "设备负载均衡的制造资源优化配置方法", 《机械设计与制造》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115358821A (zh) * | 2022-08-24 | 2022-11-18 | 杭州正策信息科技有限公司 | 一种提升科技成果转化率的智能推荐方法和系统 |
| CN115358821B (zh) * | 2022-08-24 | 2023-08-04 | 杭州正策信息科技有限公司 | 一种提升科技成果转化率的智能推荐方法和系统 |
| CN116307286A (zh) * | 2023-05-19 | 2023-06-23 | 安徽数智建造研究院有限公司 | 一种基于数字化的建筑运维工单监控管理系统 |
| CN116307286B (zh) * | 2023-05-19 | 2023-08-22 | 安徽数智建造研究院有限公司 | 一种基于数字化的建筑运维工单监控管理系统 |
| CN117035697A (zh) * | 2023-10-09 | 2023-11-10 | 天津云起技术有限公司 | 基于历史动态分析的itsm平台优化方法及系统 |
| CN117035697B (zh) * | 2023-10-09 | 2023-12-15 | 天津云起技术有限公司 | 基于历史动态分析的itsm平台优化方法及系统 |
| CN117273394A (zh) * | 2023-11-17 | 2023-12-22 | 中铁四局集团有限公司 | 一种基于大数据的智能设备选型调配分析管理方法 |
| CN117273394B (zh) * | 2023-11-17 | 2024-02-06 | 中铁四局集团有限公司 | 一种基于大数据的智能设备选型调配分析管理方法 |
| CN118521187A (zh) * | 2024-07-23 | 2024-08-20 | 陕西水务发展建设集团有限公司 | 一种基于人工智能的工程技术支持与决策管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114638443B (zh) | 2022-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114638443B (zh) | 一种基于改进遗传算法的施工设备智能选型及调配方法 | |
| Li et al. | Adaptive large neighborhood search for the pickup and delivery problem with time windows, profits, and reserved requests | |
| CN112836892A (zh) | 基于改进遗传算法的多目标车辆配送路径确定方法及系统 | |
| CN112348404A (zh) | 一种村庄规划实施评估系统 | |
| CN108681816A (zh) | 一种土地利用综合监管系统和方法 | |
| CN111539673A (zh) | 一种租赁设备仓储管理系统及方法 | |
| CN117273394B (zh) | 一种基于大数据的智能设备选型调配分析管理方法 | |
| CN111797145A (zh) | 一种电力客户容忍度评价分类方法 | |
| Koziol | How the constraint theory improved a job-shop operation | |
| CN112926800B (zh) | 一种考虑复杂路网的物流配送区域划分方法 | |
| CN116976568B (zh) | 一种辅助城乡规划编制的数据共享方法及系统 | |
| Molinder et al. | More power to the people: Electricity adoption, technological change and social conflict | |
| CN113421037A (zh) | 一种多源协同建设规划编制方法和装置 | |
| Calomiris et al. | Historical macroeconomics and American macroeconomic history | |
| CN116090737A (zh) | 一种基于特征评价的全过程工业用地类型划分方法 | |
| CN116227927A (zh) | 一种化工园区风险区域的风险等级评估方法 | |
| CN112036794A (zh) | 一种用于造价管控的工程物料入库方法、系统及装置 | |
| Fazli et al. | Identification and ranking of risks in Green Building projects using the hybrid SWARA-COPRAS method | |
| Vahid | An agent-based supply chain model for strategic analysis in forestry | |
| CN110533334A (zh) | 一种电网企业成本先进性评估的方法及系统 | |
| CN116029704B (zh) | 可回收物品的回收方法、系统以及介质 | |
| CN112926862B (zh) | 一种新能源汽车动力电池召回选址的决策方法 | |
| Onyeiwu et al. | Managing competitive pressures in the globalisation era: the case of tooling and machining in Pennsylvania | |
| CN114911847A (zh) | 一种基于大数据的跨境贸易数据统计及分析方法 | |
| Harrington | Strategy formulation, organisational learning, and location |
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 |