CN116976636A - 一种基于纳什均衡的施工进度调整预测方法、介质及系统 - Google Patents
一种基于纳什均衡的施工进度调整预测方法、介质及系统 Download PDFInfo
- Publication number
- CN116976636A CN116976636A CN202311078698.4A CN202311078698A CN116976636A CN 116976636 A CN116976636 A CN 116976636A CN 202311078698 A CN202311078698 A CN 202311078698A CN 116976636 A CN116976636 A CN 116976636A
- Authority
- CN
- China
- Prior art keywords
- subtask
- progress
- time
- subtasks
- construction
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000013439 planning Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009430 construction management Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000009435 building construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于纳什均衡的施工进度调整预测方法、介质及系统，属于预测方法技术领域，该基于纳什均衡的施工进度调整预测方法包括以下步骤：收集每个施工人员的工作技能数据，建立施工人员技能数据库工作技能数据为一个数组，表示施工人员对多项工作任务的熟练程度；将施工项目划分为多个子任务，形成子任务时序集，子任务时序集包括子任务所需工作技能、启动顺序和计划完成时间；根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型，寻找施工人员到子任务的最优分配方案；获取根据最优分配方案之后的子任务时序集中每个子任务的进度；将子任务时序集中每个子任务的计划完成时间作为施工进度预测结果并输出给管理人员。
Description
技术领域
本发明属于预测方法技术领域，具体而言，涉及一种基于纳什均衡的施工进度调整预测方法、介质及系统。
背景技术
随着建筑土木工程建设的发展，建筑业施工管理模式与方法、技术也在不断的发展进步。建筑施工进度控制是指建筑施工阶段按既定的施工工期，编制出最优的施工进度计划。在执行该计划的施工中，经常检查施工实际进度情况，并将其与计划进度相比较，若出现偏差，分析生产的原因和对工期的影响程度，找出必要的调整措施，修改原计划，如此循环的工作。进度控制总目标是确保施工项目在建筑施工的既定目标工期内实现，或者在保证施工质量和不因此而增加施工的实际成本的条件下，适当的缩短工期。
建设工程项目管理的过程中，对进度、质量、成本、安全等管理方式、方法也在不断的创新。在施工进度的管理过程中，编制工程项目的施工进度计划是施工进度管理的一项重点工作。传统的进度计划编制方法，一般的，根据施工图纸在施工经验的基础上，采用project之类的软件进行施工进度计划的编制工作。此方法，存在大量的缺陷，诸如：所编制的施工进度计划并不能满足实际施工需求；很大程度上施工进度计划存在施工工序方面的错、漏、碰、缺等问题。除此之外，对所编制施工进度计划无法进行可视化的模拟，以及对进度计划的调整工作不便。
发明内容
有鉴于此，本发明提供一种基于纳什均衡的施工进度调整预测方法、介质及系统，能够通过可视化模拟，增强决策支持，降低调整成本和风险。
本发明是这样实现的：
本发明的第一方面提供一种基于纳什均衡的施工进度调整预测方法，其中，包括以下步骤：
S10、收集每个施工人员的工作技能数据，建立施工人员技能数据库，所述工作技能数据为一个数组，表示所述施工人员对多项工作任务的熟练程度；
S20、将施工项目划分为多个子任务，形成子任务时序集，所述子任务时序集包括子任务所需工作技能、启动顺序和计划完成时间；
S30、根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型，寻找施工人员到所述子任务的最优分配方案；
S40、获取根据最优分配方案之后的子任务时序集中每个所述子任务的进度；
S50、当所述子任务时序集中存在落后于计划完成时间的子任务时，以当前尚未完工的施工项目作为施工项目，重复执行步骤S20-S30；
S60、将所述子任务时序集中每个所述子任务的计划完成时间作为施工进度预测结果并输出给管理人员。
本发明提供的一种基于纳什均衡的施工进度调整预测方法的技术效果如下：基于纳什均衡的方法利用博弈论的思想，考虑了不同利益相关者之间的相互作用和策略选择。可以找到施工进度调整过程中各方的最优策略，实现各方利益的平衡和最大化整体效益。通过模型化各方的目标、约束和行为，可以更准确地预测施工进度的变动趋势和可能的调整需求，增强决策支持，降低调整成本和风险。这些技术效果可以帮助项目管理者和利益相关者更好地管理和控制施工进度，实现项目的顺利进行和高效完成。
在上述技术方案的基础上，本发明的一种基于纳什均衡的施工进度调整预测方法还可以做如下改进：
其中，所述将施工项目划分为多个子任务，形成子任务时序集的步骤，具体包括：
根据所述施工项目的工程量清单和施工设计图纸，将整个所述施工项目划分为多个子项目；
对每个所述子项目，进一步细分为多个子任务；
为每个所述子任务确定属性，所述子任务确定属性包括所需工作技能、最早开始时间、最晚开始时间、计划持续时间、计划完成时间；
建立所述子任务之间的关联关系，以约束所述子任务的时间安排，所述关联关系包括结束启动关系和开始结束关系；
确定每个所述子任务的时间窗口，并根据所述子任务的所述计划持续时间计算所述计划完成时间；
根据所述子任务的最早开始时间进行排序，得到每个所述子项目下子任务的时序集；
将每个所述子项目中的所述子任务时序集合并，形成最终的所述子任务时序集。
每个子任务是可以独立执行的一部分工作，具有明确的工作内容、工作要求和工作目标。确保子任务的划分合理、具有可执行性和一定的独立性。
进一步的，所述根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型，寻找施工人员到子任务的最优分配方案的步骤，具体包括：
获取所述施工人员技能数据库，确定所述施工人员数量和所述子任务数量；
建立无约束二人零和博弈模型；
根据所述施工人员技能数据库，计算所述施工人员到所述子任务的技能匹配程度矩阵；
对所述无约束二人零和博弈模型进行求解，利用纳什均衡理论找到所述施工人员到所述子任务的最优分配方案。
采用上述改进方案的有益效果为：通过以上步骤，利用匈牙利算法可以在多项式时间内求解上述线性规划模型，得到最优的施工人员到子任务的分配方案。该模型的目标是最大化技能匹配度，同时满足每个子任务分配一个施工人员和每个施工人员只能分配到一个子任务的约束条件。这样的分配方案充分考虑了人员技能特点，使得分配结果符合资源优化使用的要求。
进一步的，所述建立无约束二人零和博弈模型的步骤，具体为：
定义变量和参数，所述变量表示所述施工人员是否被分配到所述子任务中；
建立目标函数，选择最优的施工人员分配方案，使得总技能匹配程度最大化；
建立约束条件，所述约束条件包括每个所述子任务只能被分配给一个施工人员，以及每个所述施工人员只能分配到一个子任务；
利用匈牙利算法在多项式时间内求解所述无约束二人零和博弈模型。
采用上述改进方案的有益效果为：通过建立一个考虑施工人员技能的二人零和博弈模型，并使用Kuhn-Munkres算法求解最优的施工人员到子任务的分配方案。该模型的目标是通过合理的分配策略，使得每个子任务都得到技能匹配程度最高的施工人员，从而提高整体的任务执行效率和质量。
进一步的，所述获取根据最优分配方案之后的子任务时序集中每个子任务的进度的步骤，具体包括：
根据所述最优分配方案，确定每个所述施工人员被分配到的所述子任务，获取每个所述施工人员的工作时间和技能能力；
获取每个所述子任务的所述子任务确定属性，包括最早开始时间和计划完成时间；
追踪记录每个所述子任务的实际时间属性，包括实际开始时间和实际完成时间；
根据实际进度计算公式计算实际进度；
将每个所述子任务的计划和所述实际时间属性以及计算得到的进度汇总，形成子任务进度数据集；
通过比较所述子任务的计划和实际时间节点，判断每个所述子任务的实际进度状态；
定期更新和监控所述子任务的进度，确保施工项目按计划进行，并对所述实际进度状态进行记录和报告。
进一步的，所述当子任务时序集中存在落后于计划完成时间的子任务时，以当前尚未完工的施工项目作为施工项目，重复执行步骤S20-S30的步骤，具体包括：
步骤1，获取所述子任务时序集，每个所述子任务的实际进度，进度阈值，以及存量尚未完工的所述子任务集合；
步骤2，对每个所述子任务计算实际进度，并将所述实际进度低于阈值的所述子任务加入存量集合；
步骤3，将所述存量集合的子任务集合作为新的施工项目，执行子任务划分和最优分配方案的步骤，得到更新后的子任务集合和最优分配方案；
步骤4，按照更新后的分配方案和子任务时序集合施工；
步骤5，持续监测各个子任务的进度，再次发现进度落后，即含有存量子任务时，则重新执行步骤2至步骤4，直到施工项目完工。
进一步的，所述将所述子任务时序集中每个所述子任务的计划完成时间作为施工进度预测结果并输出给管理人员，具体步骤为：
收集所述子任务时序集中每个所述子任务的计划完成时间；
基于收集到的计划完成时间，使用甘特图的方法来展示施工进度预测结果；
将生成的甘特图输出给管理人员。
采用上述改进方案的有益效果为：通过图表生成工具或可视化软件，或者以图像文件的形式进行导出。还可以将甘特图以报告或演示的形式展示给管理人员，管理人员可以直观地了解每个子任务的计划完成时间，并对整个施工项目的进度有一个清晰的预测。这使得管理人员能够及时调整资源分配、监控进度，并采取必要的措施来避免项目延误或调整项目计划。
进一步的，所述使用甘特图的方法来展示施工进度预测结果的步骤，具体为：
创建一个甘特图模板，横轴表示时间，纵轴表示不同的子任务；
根据收集到的计划完成时间，在合适的时间点上，在所述甘特图模板上为每个所述子任务绘制对应的条形；
对于每个所述子任务的条形，根据计划完成时间确定其起始位置和宽度，以反映该所述子任务的预计开始和结束时间。
本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种基于纳什均衡的施工进度调整预测方法。
本发明的第三方面提供一种基于纳什均衡的施工进度调整系统，包括上述的一种计算机可读存储介质。
与现有技术相比较，本发明提供的一种基于纳什均衡的施工进度调整预测方法、介质及系统的有益效果是：基于纳什均衡的方法利用博弈论的思想，考虑了不同利益相关者之间的相互作用和策略选择，通过模型化各方的目标、约束和行为，可以更准确地预测施工进度的变动趋势和可能的调整需求；利用纳什均衡理论，可以找到施工进度调整过程中各方的最优策略，实现各方利益的平衡和最大化整体效益，这种方法考虑不同决策变量之间的相互关系，可帮助确定最佳的调整方案，从而提高整体施工进度的效率和质量；基于纳什均衡的方法考虑了各方之间的博弈和交互作用，可以帮助识别潜在的冲突和矛盾，并提前采取适当的调整措施，通过提前预测和调整施工进度，可以减少调整的成本和风险，避免项目延期和额外的资源浪费。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述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性的前提下，还可以根据这些附图获得其他的附图。
图1为一种基于纳什均衡的施工进度调整预测方法、介质及系统流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。
如图1所示，是本发明第一方面提供一种基于纳什均衡的施工进度调整预测方法的流程图，本发明包括以下步骤：
S10、收集每个施工人员的工作技能数据，建立施工人员技能数据库，工作技能数据为一个数组，表示施工人员对多项工作任务的熟练程度；
S20、将施工项目划分为多个子任务，形成子任务时序集，子任务时序集包括子任务所需工作技能、启动顺序和计划完成时间；
S30、根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型,寻找施工人员到子任务的最优分配方案；
S40、获取根据最优分配方案之后的子任务时序集中每个子任务的进度；
S50、当子任务时序集中存在落后于计划完成时间的子任务时，以当前尚未完工的施工项目作为施工项目，重复执行步骤S20-S30；
S60、将子任务时序集中每个子任务的计划完成时间作为施工进度预测结果并输出给管理人员。
首先,定义施工人员集合为P＝{p1,p2,…,pm},其中m为施工人员数量。定义工作任务集合为T＝{t1,t2,…,tn},其中n为工作任务数量。则施工人员pi对任务tj的熟练程度可以定义为一个技能值sij。对于熟练程度,可以采取1-10的评分制,1表示完全不熟练,10表示非常熟练。则施工人员pi的技能可以表示为一个技能向量:
Si＝(si1,si2,…,sin)
将所有施工人员的技能向量汇总,可以得到一个m×n的技能矩阵:
上述矩阵即为施工人员技能数据库。为了建立该数据库,需要收集每个施工人员对各项工作任务的熟练程度评价。评价可以通过问卷调查、面试评定等方式进行。具体过程如下:
(1)确定施工项目涉及的工作任务集合T。典型的施工任务可以包括:混凝土浇筑为t1，砌块为t2，砌砖为t3，吊装为t4，涂装为t5，电气安装为t6，管道安装为t7，设备安装为t8，地面铺装为t9，木工为t10，防水为t11，批土t12，脚手架搭建为t13，模板制作为t14，钢结构安装为t15；
(2)登记参与该施工项目的所有施工人员P。假设施工项目涉及15名施工人员p1到p15。
(3)对每一名施工人员,发放工作任务熟练程度调查表,要求其按1-10分对各项工作任务的熟练程度进行自我评分。
(4)收集所有施工人员的调查表,整理汇总。可以得到施工人员技能矩阵。
(5)将上述施工人员技能矩阵存储到数据库中,即建立了施工人员技能数据库。
除了调查问卷的方式,还可以通过以下途径收集施工人员的技能数据:
1)查看施工人员的履历和资质证书,了解他们参与过的项目和掌握的技能。
2)询问项目经理和其他了解情况的人员,收集对施工人员技能的评价。
3)通过面试、模拟操作等方式,对施工人员进行技能测评。
4)统计分析施工人员过去项目的完成情况、质量水平等,间接评估技能。
5)建立施工人员技能测试题库,进行笔试、机试等评估技能。
6)对施工人员进行培训后,通过考核了解掌握情况。
7)采用持续观察的方式,记录施工人员在实际工作中的表现,评估其技能。
综上,本步骤的关键是构建施工人员-技能矩阵,以矩阵形式记录每个施工人员对各项工作任务的熟练程度打分。矩阵即为施工人员技能数据库,为后续工作分配和进度预测提供基础数据支持。构建矩阵的方法有调查问卷、综合评价、技能测试、培训考核等多种方式。构建过程需要确定施工项目的任务清单,确认参与项目的施工人员,以及收集他们的技能评分数据,并整理进入数据库存储。
其中，在上述技术方案中，将施工项目划分为多个子任务，形成子任务时序集的步骤，具体包括：
根据施工项目的工程量清单和施工设计图纸，将整个施工项目划分为多个子项目；
对每个子项目，进一步细分为多个子任务；
为每个子任务确定属性，子任务确定属性包括所需工作技能、最早开始时间、最晚开始时间、计划持续时间、计划完成时间；
建立子任务之间的关联关系，以约束子任务的时间安排，关联关系包括结束启动关系和开始结束关系；
确定每个子任务的时间窗口，并根据子任务的计划持续时间计算计划完成时间；
根据子任务的最早开始时间进行排序，得到每个子项目下子任务的时序集；
将每个子项目中的子任务时序集合并，形成最终的子任务时序集。
首先,定义施工项目为Q,施工项目Q包含的全部工作任务定义为集合T1＝{t11,t12,…,t1n}。
然后,根据工程量清单和施工设计图纸,可以将施工项目Q划分为若干子项目。定义子项目集合为SQ＝{sq1,sq2,…,sqmn},其中mn为子项目数量。每个子项目包含一组相关的工作任务。例如混凝土浇筑子项目包含混凝土浇筑、模板安装等任务。
对于每个子项目sqk,可以进一步细分为多个子任务。定义子项目sqk中的子任务集合为STk＝{stk1,stk2,…,stk},其中q为该子项目中的子任务数量。
则整个施工项目Q中的全部子任务可定义为:
其中,qk表示子项目sqk的子任务数量。
接下来,确定每个子任务stij的属性,包括:
1)所需工作技能Skillsij:完成该子任务需要的施工技能,可以表示为skillsij＝{skillij1,skillij2,…,skillijl},其中skillijk表示子任务stij需要的第k项关键技能,l为需要技能的数量。skillijk属于施工人员技能集合T。
2)最早开始时间ESij:子任务stij最早能开始施工的时间节点。
3)最晚开始时间LSij:子任务stij最晚能开始施工的时间节点。
4)计划持续时间Dij:子任务stij的计划持续时间。
5)计划完成时间EFij:子任务stij的计划完成时间。
则每个子任务stij可以表示为一个五元组:
stij＝(Skillsij,ESij，LSij，Dij，EFij)；
基于每个子任务的属性,可以建立子任务之间的关联关系:
1)结束启动关系:子任务stij的最早开始时间受其前置子任务sti(j-1)的约束,即
2)开始结束关系:子任务stij的最晚完成时间受其后置子任务sti(j+1)的约束,即
通过上述关联关系,可以确定每个子任务的时间窗口[ESij,LFij]。然后根据子任务的计划持续时间,可以得到计划完成时间EFij。
至此构建完成每个子任务stij的时序属性。然后根据子任务的最早开始时间ESij进行排序,可得到子项目sqi下子任务的时序集
最后,将每个子项目中的子任务时序集合并,形成最终的子任务时序集:
其中,STSi表示子项目spi对应的子任务时序集合,m表示子项目数量。
综上,本步骤的关键是依据工程量清单和施工设计图纸,结合施工任务间的逻辑关系,划分出层级关系清晰、属性明确的子任务集合,并确定每个子任务的时序属性,最终形成满足时序约束的子任务时序集STS。该子任务时序集为后续的施工进度规划与控制提供了基础数据支持。
进一步的，在上述技术方案中，根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型,寻找施工人员到子任务的最优分配方案的步骤，具体包括：
获取施工人员技能数据库，确定施工人员数量和子任务数量；
建立无约束二人零和博弈模型；
根据施工人员技能数据库，计算施工人员到子任务的技能匹配程度矩阵；
对无约束二人零和博弈模型进行求解，利用纳什均衡理论找到施工人员到子任务的最优分配方案。
首先,定义以下量:
gij:表示如果将施工人员pi分配到子任务stsj,gij＝1；否则gij＝0
然后，建立无约束二人零和博弈模型:
gij∈{0，1}，i＝1，2，...，m；j＝1，2，...，k；
模型目标是最大化所有子任务的技能匹配程度。约束条件为每个子任务分配一个施工人员，每个施工人员只能分配到一个子任务。
利用Kuhn-Munkres算法(匈牙利算法)可以在多项式时间内求解上述线性规划模型，得到最优的施工人员到子任务的分配方案。
具体步骤如下:
1)构造分配成本矩阵Cm×k，其中表示将施工人员pi分配到子任务stsj的成本(技能匹配程度)；
2)将分配成本矩阵每一行减去对应行的最小值，得到减去行最小元后的成本矩阵C′；
3)将减去行最小元后的成本矩阵每一列减去对应列的最小值，得到缩减矩阵C″；
4)，在缩减矩阵中找出一行(列)元素均被标记的零元素(可覆盖的零元素)，标记该零元素,该零元素对应着一个可行的分配；
5)重复步骤S30,直到找到min(m,k)个可覆盖的零元素,对应的分配方案即为最优分配方案；
上述方法利用零元素的覆盖性质迭代地搜索出最优解,其时间复杂度为O(m2k),空间复杂度为O(mk),算法效率高。
综上,本步骤的关键是建立考虑施工人员技能的二人零和博弈模型,目标是最大化技能匹配度,然后利用匈牙利算法高效求解,得到施工人员到子任务的最佳分配方案。该模型充分考虑了人员技能特点,使分配结果符合资源优化使用的要求。
进一步的，在上述技术方案中，建立无约束二人零和博弈模型的步骤，具体为：
定义变量和参数，变量表示施工人员是否被分配到子任务中；
建立目标函数，选择最优的施工人员分配方案，使得总技能匹配程度最大化；
建立约束条件，约束条件包括每个子任务只能被分配给一个施工人员，以及每个施工人员只能分配到一个子任务；
利用匈牙利算法在多项式时间内求解无约束二人零和博弈模型。
进一步的，在上述技术方案中，获取根据最优分配方案之后的子任务时序集中每个子任务的进度的步骤，具体包括：
根据最优分配方案，确定每个施工人员被分配到的子任务，获取每个施工人员的工作时间和技能能力；
获取每个子任务的子任务确定属性，包括最早开始时间和计划完成时间；
追踪记录每个子任务的实际时间属性，包括实际开始时间和实际完成时间；
根据实际进度计算公式计算实际进度；
将每个子任务的计划和实际时间属性以及计算得到的进度汇总，形成子任务进度数据集；
通过比较子任务的计划和实际时间节点，判断每个子任务的实际进度状态；
定期更新和监控子任务的进度，确保施工项目按计划进行，并对实际进度状态进行记录和报告。
其中，ESi:子任务stsi的最早开始时间；-EFi:子任务stsi的计划完成时间；-ADi:子任务stsi的实际持续时间；-ACi:子任务stsi的实际完成时间；则每个子任务stsi的实际进度计算公式为:
若ACi＜ESi:
Pi＝0；
其中，p为施工项目；
若ESi≤ACi＜EFi:
若ACi≥EFi:
Pi＝100％；
上述公式表示:
如果子任务实际完成时间ACi早于最早开始时间ESi,则视为未开始,进度为0；
如果实际完成时间在最早开始时间和计划完成时间之间,则计算实际持续时间占计划持续时间的比例,作为进度百分比；
如果实际完成时间超过了计划完成时间,则视为完工,进度为100％。
则获取所有子任务的进度估算结果的具体步骤为:
(1)获取最优分配方案,确定每个子任务stsi对应的施工人员pi
(2)查询每个子任务stsi的计划时间属性,包括ESi,EFi
(3)追踪记录每个子任务stsi的实际开始时间ASi和实际完成时间ACi；
(4)对每个子任务stsi应用上述公式计算实际进度Pi；
(5)将各子任务的计划和实际时间属性以及计算得到的进度汇总,形成子任务进度数据集
(6)按照子任务时序,输出子任务时序集的进度检测结果
通过持续跟踪子任务的实际执行时间节点,并与计划时间对比,即可动态计算出各个子任务和整体项目的实际进度。
如果实际进度落后于计划进度,则需要重新规划人员分配和子任务时序,以消除进度差距,确保项目按期交付。
综上,本步骤的关键是计算每个子任务根据最优分配方案后的实际进展情况,通过比较计划和实际时间节点判断进度,为后续的进度控制提供依据。
进一步的，在上述技术方案中，当子任务时序集中存在落后于计划完成时间的子任务时，以当前尚未完工的施工项目作为施工项目，重复执行步骤S20-S30的步骤，具体包括：
步骤1，获取子任务时序集，每个子任务的实际进度，进度阈值，以及存量尚未完工的子任务集合；
步骤2，对每个子任务计算实际进度，并将实际进度低于阈值的子任务加入存量集合；
步骤3，将存量集合的子任务集合作为新的施工项目，执行子任务划分和最优分配方案的步骤，得到更新后的子任务集合和最优分配方案；
步骤4，按照更新后的分配方案和子任务时序集合施工；
步骤5，持续监测各个子任务的进度，再次发现进度落后，即含有存量子任务时，则重新执行步骤2至步骤4，直到施工项目完工。
(1)定义以下量:
STS＝{sts1,sts2,…,stsk}:子任务时序集,共k个子任务；PKi:子任务stsi的实际进度；θ:进度阈值,例如可设置为0.9；R＝{r1,r2,…,rm}:存量尚未完工的子任务集合；
(2)检测每个子任务stsi的实际进度PKi,找到所有进度低于阈值的子任务:
对于每个子任务stsi:
如果PKi＜θ,将stsi加入存量集合R；
(3)如果存量集合R不为空,则进行重新规划:
以存量子任务集合R作为新的施工项目PK′；-对PK′执行步骤S20,进行子任务划分,得到更新后的子任务集STS′；-对STS′执行步骤S30,得到新的最优分配方案；
(4)按更新后的分配方案和子任务时序集施工；
(5)继续监测各子任务进度,若再次发现存量,重复步骤2-4,直到项目完工。
通过上述流程,当发现子任务进度严重落后时,及时对存量子任务进行重新规划,动态优化人员分配方案,以确保项目按期交付。
关键是利用阈值检测识别出存在严重进度延误的子任务,将其作为新的施工项目进行重新规划,实现进度闭环控制。存量子任务集可看作是一个新项目,针对它进行人员、时序重新优化。
整个流程实时监测进度情况,进行动态调整,保证计划目标的实现。该方法能有效应对施工过程中出现的异常情况,提高施工进度控制的主动性和自适应性。
进一步的，在上述技术方案中，将子任务时序集中每个子任务的计划完成时间作为施工进度预测结果并输出给管理人员，具体步骤为：
收集子任务时序集中每个子任务的计划完成时间；
基于收集到的计划完成时间，使用甘特图的方法来展示施工进度预测结果；
将生成的甘特图输出给管理人员。
进一步的，在上述技术方案中，使用甘特图的方法来展示施工进度预测结果的步骤，具体为：
创建一个甘特图模板，横轴表示时间，纵轴表示不同的子任务；
根据收集到的计划完成时间，在合适的时间点上，在甘特图模板上为每个子任务绘制对应的条形；
对于每个子任务的条形，根据计划完成时间确定其起始位置和宽度，以反映该子任务的预计开始和结束时间。
本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种基于纳什均衡的施工进度调整预测方法。
本发明的第三方面提供一种基于纳什均衡的施工进度调整系统，包括上述的一种计算机可读存储介质。
Claims (10)
1.一种基于纳什均衡的施工进度调整预测方法，其特征在于，包括以下步骤：
S10、收集每个施工人员的工作技能数据，建立施工人员技能数据库，所述工作技能数据为一个数组，表示所述施工人员对多项工作任务的熟练程度；
S20、将施工项目划分为多个子任务，形成子任务时序集，所述子任务时序集包括子任务所需工作技能、启动顺序和计划完成时间；
S30、根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型，寻找施工人员到所述子任务的最优分配方案；
S40、获取根据最优分配方案之后的子任务时序集中每个所述子任务的进度；
S50、当所述子任务时序集中存在落后于计划完成时间的子任务时，以当前尚未完工的施工项目作为施工项目，重复执行步骤S20-S30；
S60、将所述子任务时序集中每个所述子任务的计划完成时间作为施工进度预测结果并输出给管理人员。
2.根据权利要求1所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述将施工项目划分为多个子任务，形成子任务时序集的步骤，具体包括：
根据所述施工项目的工程量清单和施工设计图纸，将整个所述施工项目划分为多个子项目；
对每个所述子项目，进一步细分为多个子任务；
为每个所述子任务确定属性，所述子任务确定属性包括所需工作技能、最早开始时间、最晚开始时间、计划持续时间、计划完成时间；
建立所述子任务之间的关联关系，以约束所述子任务的时间安排，所述关联关系包括结束启动关系和开始结束关系；
确定每个所述子任务的时间窗口，并根据所述子任务的所述计划持续时间计算所述计划完成时间；
根据所述子任务的最早开始时间进行排序，得到每个所述子项目下子任务的时序集；
将每个所述子项目中的所述子任务时序集合并，形成最终的所述子任务时序集。
3.根据权利要求2所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述根据施工人员技能数据库利用纳什均衡理论建立无约束二人零和博弈模型，寻找施工人员到子任务的最优分配方案的步骤，具体包括：
获取所述施工人员技能数据库，确定所述施工人员数量和所述子任务数量；
建立无约束二人零和博弈模型；
根据所述施工人员技能数据库，计算所述施工人员到所述子任务的技能匹配程度矩阵；
对所述无约束二人零和博弈模型进行求解，利用纳什均衡理论找到所述施工人员到所述子任务的最优分配方案。
4.根据权利要求3所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述建立无约束二人零和博弈模型的步骤，具体为：
定义变量和参数，所述变量表示所述施工人员是否被分配到所述子任务中；
建立目标函数，选择最优的施工人员分配方案，使得总技能匹配程度最大化；
建立约束条件，所述约束条件包括每个所述子任务只能被分配给一个施工人员，以及每个所述施工人员只能分配到一个子任务；
利用匈牙利算法在多项式时间内求解所述无约束二人零和博弈模型。
5.根据权利要求3所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述获取根据最优分配方案之后的子任务时序集中每个子任务的进度的步骤，具体包括：
根据所述最优分配方案，确定每个所述施工人员被分配到的所述子任务，获取每个所述施工人员的工作时间和技能能力；
获取每个所述子任务的所述子任务确定属性，包括最早开始时间和计划完成时间；
追踪记录每个所述子任务的实际时间属性，包括实际开始时间和实际完成时间；
根据实际进度计算公式计算实际进度；
将每个所述子任务的计划和所述实际时间属性以及计算得到的进度汇总，形成子任务进度数据集；
通过比较所述子任务的计划和实际时间节点，判断每个所述子任务的实际进度状态；
定期更新和监控所述子任务的进度，确保施工项目按计划进行，并对所述实际进度状态进行记录和报告。
6.根据权利要求5所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述当子任务时序集中存在落后于计划完成时间的子任务时，以当前尚未完工的施工项目作为施工项目，重复执行步骤S20-S30的步骤，具体包括：
步骤1，获取所述子任务时序集，每个所述子任务的实际进度，进度阈值，以及存量尚未完工的所述子任务集合；
步骤2，对每个所述子任务计算实际进度，并将所述实际进度低于阈值的所述子任务加入存量集合；
步骤3，将所述存量集合的子任务集合作为新的施工项目，执行子任务划分和最优分配方案的步骤，得到更新后的子任务集合和最优分配方案；
步骤4，按照更新后的分配方案和子任务时序集合施工；
步骤5，持续监测各个子任务的进度，再次发现进度落后，即含有存量子任务时，则重新执行步骤2至步骤4，直到施工项目完工。
7.根据权利要求6所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述将所述子任务时序集中每个所述子任务的计划完成时间作为施工进度预测结果并输出给管理人员，具体步骤为：
收集所述子任务时序集中每个所述子任务的计划完成时间；
基于收集到的计划完成时间，使用甘特图的方法来展示施工进度预测结果；
将生成的甘特图输出给管理人员。
8.根据权利要求7所述的一种基于纳什均衡的施工进度调整预测方法，其特征在于，所述使用甘特图的方法来展示施工进度预测结果的步骤，具体为：
创建一个甘特图模板，横轴表示时间，纵轴表示不同的子任务；
根据收集到的计划完成时间，在合适的时间点上，在所述甘特图模板上为每个所述子任务绘制对应的条形；
对于每个所述子任务的条形，根据计划完成时间确定其起始位置和宽度，以反映该所述子任务的预计开始和结束时间。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行权利要求1-8任一项所述的一种基于纳什均衡的施工进度调整预测方法。
10.一种基于纳什均衡的施工进度调整系统，包括权利要求9所述的一种计算机可读存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311078698.4A CN116976636A (zh) | 2023-08-25 | 2023-08-25 | 一种基于纳什均衡的施工进度调整预测方法、介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311078698.4A CN116976636A (zh) | 2023-08-25 | 2023-08-25 | 一种基于纳什均衡的施工进度调整预测方法、介质及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116976636A true CN116976636A (zh) | 2023-10-31 |
Family
ID=88485094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311078698.4A Pending CN116976636A (zh) | 2023-08-25 | 2023-08-25 | 一种基于纳什均衡的施工进度调整预测方法、介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976636A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117601135A (zh) * | 2024-01-23 | 2024-02-27 | 四川省铁路建设有限公司 | 智能砌墙机器人姿态调整方法及系统 |
-
2023
- 2023-08-25 CN CN202311078698.4A patent/CN116976636A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117601135A (zh) * | 2024-01-23 | 2024-02-27 | 四川省铁路建设有限公司 | 智能砌墙机器人姿态调整方法及系统 |
| CN117601135B (zh) * | 2024-01-23 | 2024-03-29 | 四川省铁路建设有限公司 | 智能砌墙机器人姿态调整方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hazır et al. | A classification and review of approaches and methods for modeling uncertainty in projects | |
| Damian et al. | An empirical study of the complex relationships between requirements engineering processes and other processes that lead to payoffs in productivity, quality, and risk management | |
| US8401882B2 (en) | Aligning information technology with business objectives through automated feedback control | |
| Pena-Mora et al. | Information technology planning framework for large-scale projects | |
| CN116976636A (zh) | 一种基于纳什均衡的施工进度调整预测方法、介质及系统 | |
| Arashpour et al. | Quantitative analysis of rate-driven and due date–driven construction: Production efficiency, supervision, and controllability in residential projects | |
| Ou-Yang et al. | A hybrid approach for project crashing optimization strategy with risk consideration: A case study for an EPC project | |
| CN113032872B (zh) | 基于bim技术的装配式建筑进度计划综合资源管控方法 | |
| Frandson | Takt time planning as a work structuring method to improve construction work flow | |
| CN116775672B (zh) | 基于bim的工程造价数据动态修正方法及系统 | |
| Garcia-Lopez | An activity and flow-based construction model for managing on-site work | |
| Shams Bidhendi et al. | Development of a weighted leanness measurement method in modular construction companies | |
| Jeong et al. | Learning-driven construction productivity prediction for prefabricated external insulation wall system | |
| Salhab et al. | Accounting for variability: identifying critical activities as a supplement to the critical path | |
| Zahran et al. | The effect of learning on line of balance scheduling: Obstacles and potentials | |
| Kostrzewa-Demczuk et al. | Planning of construction projects taking into account the design risk | |
| Aju Kumar et al. | Maintenance performance evaluation using an integrated approach of graph theory, ISM and matrix method | |
| Florez et al. | Maximizing labor stability as a sustainability performance indicator in project scheduling | |
| Sharma | Operation research: Pert, Cpm & cost analysis | |
| Li et al. | Monitoring software projects with earned value analysis and use case point | |
| Garcia-Lopez et al. | Work structuring for flow | |
| Wang et al. | Establishing engineering S-curves to evaluate supervision engineer allocations for highway construction projects | |
| Duffuaa et al. | Maintenance Systems | |
| Siu et al. | Quantitative assessment of budget sufficiency and resource utilization for resource-constrained project schedules | |
| Zahedi et al. | Analyzing impact of semi-productive work hours in scheduling and budgeting labor-intensive projects: simulation-based approach |
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 |