CN118134429A - 一种基于多任务协同进化算法的工程造价优化方法 - Google Patents
一种基于多任务协同进化算法的工程造价优化方法 Download PDFInfo
- Publication number
- CN118134429A CN118134429A CN202410455278.1A CN202410455278A CN118134429A CN 118134429 A CN118134429 A CN 118134429A CN 202410455278 A CN202410455278 A CN 202410455278A CN 118134429 A CN118134429 A CN 118134429A
- Authority
- CN
- China
- Prior art keywords
- cost
- design
- construction
- engineering
- cost function
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 33
- 238000010276 construction Methods 0.000 claims abstract description 95
- 238000013461 design Methods 0.000 claims abstract description 94
- 238000009434 installation Methods 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims abstract description 51
- 238000007728 cost analysis Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 239000000463 material Substances 0.000 claims description 57
- 230000008569 process Effects 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000035772 mutation Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 13
- 238000013508 migration Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012938 design process Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Abstract
本发明提供了一种基于多任务协同进化算法的工程造价优化方法,属于工程造价优化技术领域;建立基于BIM技术的4D模型,通过3D建模模拟建筑物结构,再引入时间维度形成4D模型;基于4D模型对预制建筑工程的四个关键阶段进行成本分析从而得到相应的代价函数;针对设计、传输、施工和安装阶段结合实际条件设计预算约束、时间约束、资源约束和技术约束条件,最后建立工程造价成本优化问题,目的是获得成本最低的实施方案,设计多任务协同进化算法求解程造价成本优化问题。该方法通过4D建模、全面成本分析、变化因素考虑和先进优化算法的综合应用,能够为预制建筑工程提供更准确、更高效的工程造价优化方案。
Description
技术领域
本发明属于工程造价优化技术领域,尤其涉及一种基于多任务协同进化算法的工程造价优化方法。
背景技术
作为国家经济的核心产业之一,建筑业在整体经济发展中扮演着至关重要的角色。随着建筑工程的不断复杂化和规模的扩大,对工程造价的深入研究逐渐成为焦点。为了完成整个建筑过程的成本控制,传统的工程造价分析方法依赖于建筑信息建模(BIM)技术。BIM技术通过3D建模来模拟建筑物的各个结构,协助决策者找到最佳解决方案。然而,建筑行业面临着大量非结构化数据的挑战,这使得数据的准确性和完整性难以有效确保,从而给工程造价分析带来了一系列困扰。现有技术中提供了一些底层解决方案,例如,基于BIM的3D建筑模型通过模拟建筑物的各种结构,对工程造价进行了有效的分析;基于平衡状态的工程造价分析方法及系统,通过平衡约束进行相似标识重构完成初始造价预估结果补偿生成造价预估结果以进行建筑项目的工程管理。然而这些技术虽然各具特色,但也存在一些缺点和挑战:
1.缺乏仿真建模参考:现有技术在预制建筑工程中常常缺乏仿真建模参考。这意味着在设计阶段,工程师和设计师可能缺乏准确的模拟数据来指导他们的决策。缺乏仿真建模参考可能导致设计过程中的不确定性增加,从而增加项目风险和成本。
2.成本分析不完备:现有技术在进行预制建筑工程的成本分析时往往存在不彻底性。在成本估算中忽略了某些关键因素,或者因为缺乏足够的数据和工具来进行准确的成本估算。这种不彻底的成本分析可能导致在项目执行阶段出现预算超支或不可预测的额外成本。
3.忽视变化因素:现有技术往往忽视了预制建筑工程中的变化因素。这些变化因素可能包括材料价格波动、供应链中断、施工进度延误等。忽视这些变化因素可能导致项目计划和预算的不稳定性,从而影响工程项目的顺利进行。
4.约束条件稀缺:现有技术在考虑预制建筑工程时,常常缺乏对约束条件的全面考虑。这些约束条件可能涉及到法规要求、项目时程、资源可用性等方面。缺乏全面考虑约束条件可能导致项目在执行过程中遇到困难和挑战,从而影响项目的成功实施。
5.优化技术落后:现有技术在预制建筑工程中的优化技术相对落后。这可能表现为使用传统的优化算法或者缺乏对最新优化方法的应用。落后的优化技术可能导致工程项目的资源利用不足,效率低下,以及无法充分满足设计和执行阶段的要求。
发明内容
针对上述问题,本发明提供了一种基于多任务协同进化算法的工程造价优化方法,包括以下过程:
步骤1,建立基于建筑信息建模BIM技术的4D模型,该模型通过3D建模模拟建筑物的建筑结构,再额外引入时间维度形成4D模型;
步骤2,基于4D模型对预制建筑工程的设计、传输、施工和安装四个关键阶段进行成本分析从而得到相应的代价函数,总体成本函数可以描述为:
(1)
其中,为设计阶段的成本函数,/>为传输阶段成本函数,/>为施工阶段成本函数,/>为安装阶段成本函数;
步骤3,针对设计、传输、施工和安装阶段结合实际条件设计约束条件,依次分别对应预算约束、时间约束、资源约束和技术约束;
步骤4,建立工程造价成本优化问题,为获得成本最低的实施方案,设计多任务协同进化算法求解;即基于步骤2的代价函数和步骤3的约束条件,作为原任务,使用进化算法进行求解,同时构造无约束的工程造价优化问题作为辅助任务,分别在原任务和辅助任务上初始化两个种群并行求解两个任务,通过种群间的知识迁移增强原工程造价优化问题的求解效率。
优选的,所述步骤1中的具体过程为:
利用专用的虚拟施工工具BIM-4D合并多个预制建筑模型和进度数据,并将这些智能对象链接到单个加载资源和逻辑链接活动中,为后续的预制建筑的成本分析提供仿真模型,该过程具体的函数表达,如下所示:
(2)
其中,表示工程组件/>在动态时间/>下的复杂模拟函数;/>表示组件/>的对应的权值系数。
优选的,在设计阶段,成本函数的构成指标主要包括设计工程师数量、设计材料成本、设计软件和工具成本以及设计复杂度指标;设计阶段的成本函数可以描述为:
(3)
其中,为不同工种设计工程师数量,/>为复合变量,/>,/>为工种数量;/>为关于聘用不同工种不同数量设计工程师的成本函数;/>为设计材料用量;/>为关于设计材料用量的成本函数;/>为设计软件和工具的所需量;/>为关于软件和工具的使用成本函数;/>为设计复杂度指标。
优选的,在传输阶段,成本函数的构成指标主要包括文件传输方式和信息传递效率;
传输阶段的成本函数可以描述为:
(4)
其中,为文件传输方式;/>为文件传输方式对应的信息传递效率;/>为文件传输成本和信息传递效率之间的非线性系数。
优选的,在施工阶段,代价函数的构成指标主要包括劳动力成本、材料成本、设备使用成本以及施工时间;
施工阶段的成本函数可以描述为:
(5)
其中,为复合变量,代表不同工种工人数量,/>为工人种类的数量;/>为关于聘用不同工种不同数量工人的成本函数,/>为复合变量,代表不同种类的材料用量,/>为材料种类的数量;/>为关于不同材料用量的成本函数;/>为复合变量,对应不同设备投入使用的数量,为设备种类的数量;/>为关于不同种类不同数量设备投入使用的成本函数;/>为施工时间,/>为计算设备使用对材料造成损耗的函数。
优选的,在安装阶段,成本函数的构成指标主要包括安装成本、调试和测试成本、验收成本;
安装阶段的成本函数可以描述为:
(6)
其中,为复合变量代表不同工程材料的安装数量,/>为工程材料种类的数量,/>为关于不同种类不同数量工程材料的非线性安装成本函数;/>为关于设备的调试和测试的成本函数,/>为验收人员数量,/>为关于验收人员数量的成本函数;/>为安装成本和调试和测试成本之间的非线性关系对验收造成的额外成本。
优选的,所述步骤3具体为:
设计阶段:严格控制设计工程师数量,设定设计工程师的最大数量为/>的预算约束;为确保资源的有效利用,设计材料用量/>的上限设为/>;设置设计软件和工具的所需量不得超过20个许可证,每个许可证代表着一份软件或工具的授权许可;为了确保设计在可控的范围内,引入设计复杂度指标/>,其范围从1到100,以提供足够的灵活性;具体的预算约束可以表示为:
(7)
传输阶段:为确保文件能够及时传输到目标接收者手中,设置不同文件的传输方式不得超过5种,具体的时间约束可以表示为:
(8)
施工阶段:在施工阶段,确保施工队伍的规模能够满足项目需求,但又不至于过剩,限制劳动力数量不得超过/>;设立材料用量/>不得超过1000吨的资源约束;为确保设备的合理利用和管理,设立总体设备使用量/>不得超过30台;设立施工时间/>不得超过6个月,以确保项目能够按时完成,并在预算范围内控制施工周期;具体的资源约束可以表示为:
(9)
安装阶段:在安装阶段,设立严格的技术约束,设立不同工程材料的安装数量不得超过5000个单位的约束;为确保验收过程的有效性和高效性,设立验收人员数量/>不得超过20人的约束;具体的技术约束表示为:
(10)。
优选的,所述步骤4的具体过程为:
工程造价成本优化问题的优化目标定义为公式(11):
(11)
决策变量为,即为成本要素;
S1,初始化两个种群规模为的种群,记为/>和/>,其中/>求解原工程造价优化问题(/>),/>求解无约束的工程造价优化问题(/>);
S2,将中的种群个体在/>上进行评估,获得适应度/>,对于违反约束的个体/>,按照公式(12)修改其适应度值:
(12)
其中第一项为计算中的最大适应度,第二项是计算个体/>的违反约束值,公式(12)可保证可行解优于不可行解;
S3,将中的种群个体在/>上进行评估,获得适应度/>;
S4,基于和/>分别对/>和/>进行二元锦标赛选择,获得Parent1和Parent2,计算公式如(13)、(14)所示:
(13)
(14)
其中,为/>中的两个个体,/>为/>中的两个个体;/>为生成0与1之间随机数的函数,/>和/>分别是用于控制和/>中个体被选中的选择概率;
S5,利用EA的进化算子分别对Parent1和Parent2执行交叉和变异操作,获得子代和/>;交叉和变异操作的计算公式如(15)、(16)所示:
(15)
(16)
其中,为交叉算子,交叉算子按照交叉点将Parent1和Parent2的基因进行交换,产生两个新的个体/>和/>;/>为变异算子,变异算子会对/>和进行变异,获得子代/>和/>;
S6,将分别在/>和/>上进行评估获得适应度/>和/>;
S7,将分别在/>和/>进行评估获得适应度/>和/>;
S8,分别计算和/>中个体的技能因子,对于/>中的个体/>,其技能因子计算公式如(17)所示:
(17)
中个体的技能因子计算公式如(18)所示:
(18)
S9,将和/>所有技能因子为1的个体和/>中随机抽样的百分之五十个体组成的迁移种群/>,将/>和/>所有技能因子为2的个体和,/>中随机抽样的百分之五十个体组成/>的迁移种群/>;
S10,对和/>合并的种群执行自然选择,获得更新后的/>;
自然选择的过程使用轮盘赌算法,其中个体被选择的概率与其适应度成正比,更新后的的计算公式如(19)所示:
(19)
其中:为更新后的/>,/>为/>中的种群个体在/>上进行评估获得适应度,下标/>表示/>的索引,下标/>表示/>的索引,下标/>表示/>的索引;
S11, 对和/>合并的种群执行自然选择,获得更新后的/>;更新后的/>的计算公式如(20)所示:
(20)
其中,为更新后的/>,/>为/>中的种群个体在/>上进行评估获得适应度,下标/>表示/>的索引;
S12,重复步骤S2-S11直到满足最大评价次数,输出中适应度最小的解作为最优工程造价成本优化方案。
与现有技术相比,本发明具有如下有益效果:
1)引入4D建模模拟,为预制建筑工程提供更准确的仿真建模参考:通过 BIM 技术构建 4D 模型,考虑了时间维度的动态变化,能更好地模拟建筑物的各个结构和施工进度,为成本分析提供可靠依据。
2)成本分析更加全面细致:该方法将预制建筑工程细分为设计、传输、施工和安装四个关键阶段,分别构建各阶段的代价函数,全面考虑了人力、材料、设备、时间等多个影响因素,避免了遗漏。
3)充分考虑了变化因素的影响:针对各阶段设置了预算、时间、资源和技术等约束条件,能够有效应对材料价格波动、供应链中断、施工进度延误等变化因素,确保项目计划和预算的稳定性。
4)采用先进的多任务协同进化算法优化技术:在原工程造价优化问题和辅助无约束问题上分别初始化种群并行求解,通过种群间知识迁移增强了算法的寻优能力和收敛速度,优化效果更佳。
总的来说,该方法通过4D建模、全面成本分析、变化因素考虑和先进优化算法的综合应用,能够为预制建筑工程提供更准确、更高效的工程造价优化方案。实际应用场景验证表明,相比现有技术,该方法在多数情况下都能获得更低的工程造价成本,优化结果令人满意。
附图说明
图1为本发明基于多任务协同进化算法的工程造价优化方法流程图。
图2为本发明实施例中预制建筑成本分布框图。
图3为本发明多任务协同进化算法流程图。
具体实施方式
下面结合具体实施例对发明进行进一步说明。
本发明的整体构思逻辑如图1所示:
S1,建立基于建筑信息建模(Building Information Modelling,BIM)技术的4D模型,该模型通过3D建模模拟建筑物的建筑结构,再额外引入时间维度形成4D模型;
S2,基于4D模型对预制建筑工程的四个关键阶段进行成本分析从而得到相应的代价函数,其中四个关键阶段包括设计、传输、施工和安装阶段。
S3,针对设计、传输、施工和安装阶段结合实际条件设计预算约束、时间约束、资源约束和技术约束条件。
S4,建立工程造价成本优化问题,目的是获得成本最低的实施方案,设计多任务协同进化算法求解程造价成本优化问题。基于工程造价优化问题构造无约束的工程造价优化问题作为辅助任务,分别在原任务和辅助任务上初始化两个种群并行求解两个任务,通过种群间的知识迁移增强原工程造价优化问题的求解效率。
1.基于BIM技术的4D模型建造通过3D建模模拟建筑物的各种结构,再额外引入时间维度的变化信息形成4D模型。
利用专用的虚拟施工工具BIM-4D合并多个预制建筑模型和进度数据,并将这些智能对象链接到单个加载资源和逻辑链接活动中。为后续的预制建筑的成本分析提供仿真模型,该过程具体的函数表达,如下所示:
(1)
其中,表示工程组件/>在动态时间/>下的复杂模拟函数;/>表示组件/>的对应的权值系数。
2.四个关键阶段对应代价函数的获取过程。
基于S1所建立的4D模型,准确模拟预制建筑工程的关键阶段,涵盖设计、传输、施工和安装等过程。4D模型分析了每个阶段的工作量和时间消耗,同时综合考虑了诸如人力资源、材料成本和设备费用等多方面因素。在对4D模型进行深入分析的基础上,进行了各阶段全面的成本分析从而得到相应的代价函数,以确定每个阶段的成本结构和主要驱动因素。预制建筑成本分布如图2所示。
1)设计阶段:设计阶段是工程项目生命周期中的首个阶段,其核心任务是制定出符合项目要求的设计方案。在这个阶段,工程团队会通过分析项目需求、制定技术规范和考虑可行性等因素来确定最佳的设计方案。在设计阶段主要涉及到人力、材料和软件等方面的成本。设计工程师需要投入大量时间和精力进行研究、分析和设计工作,同时需要使用各种软件和工具来辅助设计工作。此外,设计方案的复杂度也会影响到设计阶段的成本,因为复杂的设计方案通常需要更多的资源和时间来完成。因此,在设计阶段,成本函数的构成指标主要包括:设计工程师数量(不同设计阶段所需的人员数量)、设计材料成本(用于设计的材料成本,包括图纸、模型等制作所需的基础材料费用)、设计软件和工具成本(用于设计过程中所需的软件、工具、计算机设备等成本)以及设计复杂度指标(用于衡量设计方案的复杂度,例如设计的元素数量、结构复杂性等)。
设计阶段的成本函数可以描述为:
(2)
其中,为不同工种设计工程师数量,/>为复合变量,/>,/>为工种数量;/>为关于聘用不同工种不同数量设计工程师的成本函数;/>为设计材料用量;/>为关于设计材料用量的成本函数;/>为设计软件和工具的所需量;/>为关于软件和工具的使用成本函数;/>为设计复杂度指标。
2)传输阶段:传输阶段是将设计方案从设计团队传输给利益相关者或承包商的过程。在这个阶段,需要将设计文件和相关信息传递给施工团队或其他利益相关者,以便他们能够理解和实施设计方案。在传输阶段的成本主要涉及到文件传输和信息传递的成本。文件传输需要考虑到印刷、复印、快递和通讯等传输方式,而信息传递则需要保证信息传递的准确性和效率,以避免因信息不准确或遗漏而导致的额外成本和工期延误。因此,在传输阶段,成本函数的构成指标主要包括:文件传输方式和信息传递效率。
传输阶段的成本函数可以描述为:
(3)
其中,为文件传输方式;/>为文件传输方式对应的信息传递效率。/>为文件传输成本和信息传递效率之间的非线性系数。
3)施工阶段:施工阶段是将设计方案实际落实为物理实体的阶段,是工程项目的核心阶段。在这个阶段,施工团队会按照设计方案进行建设工作,包括人工、材料和设备的使用。在施工阶段主要涉及到劳动力、材料和设备的成本,以及施工所需的时间。劳动力成本包括施工人员的工资、薪酬和福利费用,材料成本包括原材料和加工成本,设备使用费用则是指使用特殊设备的使用费用。同时,施工时间也是一个重要的成本因素,因为施工时间的延长会增加劳动力和设备的使用成本。因此,在施工阶段,代价函数的构成指标主要包括:劳动力成本、材料成本、设备使用成本以及施工时间。
施工阶段的成本函数可以描述为:
(4)
其中,为复合变量,代表不同工种工人数量,/>为工人种类的数量;/>为关于聘用不同工种不同数量工人的成本函数,/>为复合变量,代表不同种类的材料用量,/>为材料种类的数量;/>为关于不同材料用量的成本函数;/>为复合变量,对应不同设备投入使用的数量,为设备种类的数量;/>为关于不同种类不同数量设备投入使用的成本函数;/>为施工时间,/>为计算设备使用对材料造成损耗的函数。
4)安装阶段:安装阶段是在施工完成后对已建造的结构或系统进行安装、调试和验收的阶段。在这个阶段,需要确保施工完成的结构或系统能够正常运行,并通过验收程序进行验收。在安装阶段主要涉及到安装成本、调试和测试成本以及验收成本。安装成本包括安装所需的劳动力、材料和设备的成本;调试和测试成本是指对安装完成的系统进行调试和测试的成本,包括人力和设备费用;而验收成本则是指项目验收所需的费用。因此,在安装阶段,成本函数的构成指标主要包括:安装成本、调试和测试成本以及验收成本。
安装阶段的成本函数可以描述为:
(5)
其中,为复合变量代表不同工程材料的安装数量,/>为工程材料种类的数量,/>为关于不同种类不同数量工程材料的非线性安装成本函数;/>为关于设备的调试和测试的成本函数,/>为验收人员数量,/>为关于验收人员数量的成本函数;/>为安装成本和调试和测试成本之间的非线性关系对验收造成的额外成本。
基于设计、传输、施工和安装阶段的成本函数构成总体成本函数,此目标函数的最小化即为在整个建筑过程中达到最低总成本的目标,确保在设计、传输、施工和安装等各个关键阶段都得到经济有效的优化方案。总体成本函数可以描述为:
(6)
3.针对设计、传输、施工和安装阶段设计约束条件。
聚焦于预制建筑工程的四个关键阶段,通过成本分析构建对应的代价函数。而在实践中,为应对设计、传输、施工以及安装等各个关键阶段的挑战,制定了一系列约束条件,以确保项目顺利进行。具体而言,针对设计阶段,设立预算约束,以控制设计成本,确保在可接受的范围内完成设计任务。针对传输阶段,设立时间约束,以保障传输工作按计划完成,不影响项目整体进度。针对施工阶段,设立资源约束,以有效管理设计所需的人力、材料和设备资源,确保它们得到充分利用。针对安装阶段,设立技术约束,以确保施工完成的结构或系统能够正常运行,并通过验收程序进行验收,从而满足项目的功能和质量需求。
1)设计阶段:在设计阶段,严格控制设计工程师数量,可以有效管理沟通流程和确保每个设计专家都能充分发挥其专业技能,设立设计工程师的最大数量为/>的预算约束;为了在项目中推动可持续实践并确保资源的有效利用,明确规定设计材料用量/>的上限为/>;为了确保在设计过程中充分利用工具,同时避免了不必要的开支,设置设计软件和工具的所需量/>不得超过20个许可证,每个许可证代表着一份软件或工具的授权许可,允许一个团队成员在其工作站上使用该软件或工具进行设计工作;为了确保设计在可控的范围内,避免过度复杂的设计带来不必要的资源消耗,引入设计复杂度指标/>,其范围从1到100,以提供足够的灵活性。较低的复杂度值意味着更直观、更简单的设计,而较高的值则表示更复杂、更精细的设计。具体的预算约束可以表示为:
(7)
2)传输阶段:文件的传输方式和信息传递效率的控制直接关系到项目整体进度。为了确保文件能够及时传输到目标接收者手中,设置不同文件的传输方式不得超过5种,从而简化传输过程,减少混乱和错误的可能性,提高文件传输的效率。具体的时间约束可以表示为:
(8)
3)施工阶段:在施工阶段,确保施工队伍的规模能够满足项目需求,但又不至于过剩,限制劳动力数量不得超过/>,从而保持成本控制和工期管理的平衡;设立材料用量/>不得超过1000吨的资源约束,以避免浪费和过度采购,同时确保施工过程中所需材料的及时供应,以保证施工进度不受材料短缺的影响;为了确保设备的合理利用和管理,避免因设备不足或过剩而影响施工进度和效率,设立总体设备使用量/>不得超过30台;设立施工时间/>不得超过6个月,以确保项目能够按时完成,并在预算范围内控制施工周期。具体的资源约束可以表示为:
(9)
4)安装阶段:在安装阶段,设立严格的技术约束,以确保安装、调试和验收过程符合高标准和预期质量。设立不同工程材料的安装数量不得超过5000个单位的约束,可以确保安装过程的可控性和效率。过多的安装数量可能会导致物料管理上的困难和混乱,同时增加安装过程中的风险和错误发生的可能性;为了确保在合理范围内控制调试和测试过程的开支,避免超出预算范围导致项目经济效益受损,设立设备的调试和测试成本/>不得超过100000元的约束;为了确保验收过程的有效性和高效性,设立验收人员数量/>不得超过20人的约束,过多的验收人员数量可能会导致沟通不畅、决策困难和效率低下等问题,从而影响到验收过程的顺利进行。具体的技术约束可以表示为:
(10)
4.建立工程造价成本优化问题,设计多任务协同进化算法求解程造价成本优化问题。
工程造价成本优化问题的优化目标定义为公式(11):
(11)
决策变量为,即为成本要素,本实施例中为/>;
约束条件本实施例中为公式(7)、(8)、(9)、(10)所设定的预算约束、时间约束、资源约束和技术约束条件。
本发明采用进化算法(EA)作为多任务协同进化算法的优化器,对S4的工程造价优化问题进行求解。具体流程如图3所示:
1)初始化两个种群规模为的种群,记为/>和/>,其中/>求解原工程造价优化问题(/>),/>求解无约束的工程造价优化问题(/>);
2)将中的种群个体在/>上进行评估,获得适应度/>,对于违反约束的个体/>,按照公式(12)修改其适应度值;
(12)
其中第一项为计算中的最大适应度,第二项是计算个体/>的违反约束值,公式(12)可以保证可行解优于不可行解。
3)将中的种群个体在/>上进行评估,获得适应度/>;
4)基于和/>分别对/>和/>进行二元锦标赛选择,获得Parent1和Parent2,计算公式如(13)、(14)所示:
(13)
(14)
其中,为/>中的两个个体,/>为/>中的两个个体。/>为生成0与1之间随机数的函数,/>和/>分别是用于控制和/>中个体被选中的选择概率。
5)利用EA的进化算子分别对Parent1和Parent2执行交叉和变异操作,获得子代和/>;交叉和变异操作的计算公式如(15)、(16)所示:
(15)
(16)
其中,为交叉算子,交叉算子按照交叉点将Parent1和Parent2的基因进行交换,产生两个新的个体/>和/>;/>为变异算子,变异算子会对/>和进行变异,获得子代/>和/>。
6)将分别在/>和/>上进行评估获得适应度/>和/>;
7)将分别在/>和/>进行评估获得适应度/>和/>;
8)分别计算和/>中个体的技能因子,对于/>中的个体/>,其技能因子计算公式如(17)所示:
(17)
中个体的技能因子计算公式如(18)所示:
(18)
9)将和/>所有技能因子为1的个体和/>中随机抽样的百分之五十个体组成/>的迁移种群/>,将/>和/>所有技能因子为2的个体和,/>中随机抽样的百分之五十个体组成/>的迁移种群/>;
10)对和/>合并的种群执行自然选择,获得更新后的/>;
自然选择的过程通常使用轮盘赌算法,其中个体被选择的概率与其适应度成正比,更新后的的计算公式如(19)所示:
(19)
其中:为更新后的/>,/>为/>中的种群个体在/>上进行评估获得适应度,下标/>表示/>的索引,下标/>表示/>的索引,下标/>表示/>的索引。
11)对和/>合并的种群执行自然选择,获得更新后的/>;更新后的/>的计算公式如(20)所示:
(20)
其中,为更新后的/>,/>为/>中的种群个体在/>上进行评估获得适应度,下标/>表示/>的索引。
12)重复步骤2)-11)直到满足最大评价次数,输出中适应度最小的解作为最优工程造价成本优化方案。最大评价次数一般设置为10000,表明种群个体在工程造价优化问题上评价10000次。
通过实际工程案例的优化验证,当面临设计、传输、施工和安装等不同阶段时,本优化方法能够依据建立的4D模型及时捕获各阶段的关键信息,并结合预算、时间、资源和技术等约束条件快速生成最优工程造价方案。即使在信息不完全的情况下,该方法也能基于多任务协同进化算法的高效求解能力给出满意的近优解。
需要特别强调说明的是,本发明在一种固定(或是特定)市场成本价格的场景中,可以快速求解目标值。本发明是在现有使用BIM技术进行工程造价评估的技术基础上,提供了一种求解优化方案,最终结果就是可以快速求解目标值,最终结果是确定的,符合自然规律,并不受市场成本价格变动的影响。
此外,随着工程进展和条件变化,本优化模型可以实时跟踪更新各项参数,动态调整优化策略,持续输出经济合理的工程造价控制方案。大量案例验证结果证明了该优化方法的高准确性和适应性,能够为复杂的预制建筑工程提供稳健的造价优化支持。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于多任务协同进化算法的工程造价优化方法,其特征在于,包括以下过程:
步骤1,建立基于建筑信息建模BIM技术的4D模型,该模型通过3D建模模拟建筑物的建筑结构,再额外引入时间维度形成4D模型;
步骤2,基于4D模型对预制建筑工程的设计、传输、施工和安装四个关键阶段进行成本分析从而得到相应的代价函数,总体成本函数描述为:
(1)
其中,为设计阶段的成本函数,/>为传输阶段成本函数,/>为施工阶段成本函数,/>为安装阶段成本函数;
步骤3,针对设计、传输、施工和安装阶段结合实际条件设计约束条件,依次分别对应预算约束、时间约束、资源约束和技术约束;
步骤4,建立工程造价成本优化问题,为获得成本最低的实施方案,设计多任务协同进化算法求解;即基于步骤2的代价函数和步骤3的约束条件,作为原任务,使用进化算法进行求解,同时构造无约束的工程造价优化问题作为辅助任务,分别在原任务和辅助任务上初始化两个种群并行求解两个任务,通过种群间的知识迁移增强原工程造价优化问题的求解效率。
2.如权利要求1所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于,所述步骤1中的具体过程为:
利用专用的虚拟施工工具BIM-4D合并多个预制建筑模型和进度数据,并将这些智能对象链接到单个加载资源和逻辑链接活动中,为后续的预制建筑的成本分析提供仿真模型,该过程具体的函数表达,如下所示:
(2)
其中,表示工程组件/>在动态时间/>下的复杂模拟函数;/>表示组件/>的对应的权值系数。
3.如权利要求1所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于:在设计阶段,成本函数的构成指标主要包括设计工程师数量、设计材料成本、设计软件和工具成本以及设计复杂度指标;设计阶段的成本函数可以描述为:
(3)
其中,为不同工种设计工程师数量,/>为复合变量,/>,/>为工种数量;/>为关于聘用不同工种不同数量设计工程师的成本函数,限定/>为固定值;/>为设计材料用量;/>为关于设计材料用量的成本函数,限定/>为固定值;/>为设计软件和工具的所需量;/>为关于软件和工具的使用成本函数;/>为设计复杂度指标。
4.如权利要求1所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于,在传输阶段,成本函数的构成指标主要包括文件传输方式和信息传递效率;
传输阶段的成本函数可以描述为:
(4)
其中,为文件传输方式;/>为文件传输方式对应的信息传递效率;/>为文件传输成本和信息传递效率之间的非线性系数。
5.如权利要求1所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于,在施工阶段,代价函数的构成指标主要包括劳动力成本、材料成本、设备使用成本以及施工时间;
施工阶段的成本函数可以描述为:
(5)
其中, 为复合变量,代表不同工种工人数量,/>为工人种类的数量;为关于聘用不同工种不同数量工人的成本函数,限定/>为固定值;为复合变量,代表不同种类的材料用量,/>为材料种类的数量;为关于不同材料用量的成本函数,限定/>为固定值;/>为复合变量,对应不同设备投入使用的数量,/>为设备种类的数量;/>为关于不同种类不同数量设备投入使用的成本函数;/>为施工时间,/>为计算设备使用对材料造成损耗的函数。
6.如权利要求1所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于:在安装阶段,成本函数的构成指标主要包括安装成本、调试和测试成本、验收成本;
安装阶段的成本函数可以描述为:
(6)
其中,为复合变量代表不同工程材料的安装数量,/>为工程材料种类的数量,/>为关于不同种类不同数量工程材料的非线性安装成本函数,限定/>为固定值;/>为关于设备的调试和测试的成本函数,/>为验收人员数量,/>为关于验收人员数量的成本函数,限定/>为固定值; />为安装成本和调试和测试成本之间的非线性关系对验收造成的额外成本。
7.如权利要求1所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于,所述步骤3具体为:
设计阶段:严格控制设计工程师数量,设定设计工程师的最大数量为/>的预算约束;为确保资源的有效利用,设计材料用量/>的上限设为/>;设置设计软件和工具的所需量/>不得超过20个许可证,每个许可证代表着一份软件或工具的授权许可;为了确保设计在可控的范围内,引入设计复杂度指标/>,其范围从1到100,以提供足够的灵活性;具体的预算约束可以表示为:
(7)
传输阶段:为确保文件能够及时传输到目标接收者手中,设置不同文件的传输方式不得超过5种,具体的时间约束可以表示为:
(8)
施工阶段:在施工阶段,确保施工队伍的规模能够满足项目需求,但又不至于过剩,限制劳动力数量不得超过/>;设立材料用量/>不得超过1000吨的资源约束;为确保设备的合理利用和管理,设立总体设备使用量/>不得超过30台;设立施工时间/>不得超过6个月,以确保项目能够按时完成,并在预算范围内控制施工周期;具体的资源约束可以表示为:
(9)
安装阶段:在安装阶段,设立严格的技术约束,设立不同工程材料的安装数量不得超过5000个单位的约束;为确保验收过程的有效性和高效性,设立验收人员数量/>不得超过20人的约束;具体的技术约束表示为:
(10)。
8.如权利要求1至7任意一项所述的一种基于多任务协同进化算法的工程造价优化方法,其特征在于,所述步骤4的具体过程为:
工程造价成本优化问题的优化目标定义为公式(11):
(11)
决策变量为,即为成本要素;
S1,初始化两个种群规模为的种群,记为/>和/>,其中/>求解原工程造价优化问题(),/>求解无约束的工程造价优化问题(/>);
S2,将中的种群个体在/>上进行评估,获得适应度/>,对于违反约束的个体/>,按照公式(12)修改其适应度值:
(12)
其中第一项为计算中的最大适应度,第二项是计算个体/>的违反约束值,公式(12)可保证可行解优于不可行解;
S3,将中的种群个体在/>上进行评估,获得适应度/>;
S4,基于和/>分别对/>和/>进行二元锦标赛选择,获得Parent1和Parent2,计算公式如(13)、(14)所示:
(13)
(14)
其中,为/>中的两个个体,/>为/>中的两个个体;/>为生成0与1之间随机数的函数, />和/>分别是用于控制/>和/>中个体被选中的选择概率;
S5,利用EA的进化算子分别对Parent1和Parent2执行交叉和变异操作,获得子代和;交叉和变异操作的计算公式如(15)、(16)所示:
(15)
(16)
其中,为交叉算子,交叉算子按照交叉点将Parent1和Parent2的基因进行交换,产生两个新的个体/>和/>;/>为变异算子,变异算子会对/>和/>进行变异,获得子代/>和/>;
S6,将分别在/>和/>上进行评估获得适应度/>和/>;
S7,将分别在/>和/>进行评估获得适应度/>和/>;
S8,分别计算和/>中个体的技能因子,对于/>中的个体/>,其技能因子计算公式如(17)所示:
(17)
中个体的技能因子计算公式如(18)所示:
(18)
S9,将和/>所有技能因子为1的个体和/>中随机抽样的百分之五十个体组成/>的迁移种群/>,将/>和/>所有技能因子为2的个体和,/>中随机抽样的百分之五十个体组成的迁移种群/>;
S10,对和/>合并的种群执行自然选择,获得更新后的/>;
自然选择的过程使用轮盘赌算法,其中个体被选择的概率与其适应度成正比,更新后的的计算公式如(19)所示:
(19)
其中:为更新后的/>,/>为/>中的种群个体在/>上进行评估获得适应度,下标/>表示/>的索引,下标/>表示/>的索引,下标/>表示/>的索引;
S11, 对和/>合并的种群执行自然选择,获得更新后的/>;更新后的/>的计算公式如(20)所示:
(20)
其中,为更新后的/>,/>为/>中的种群个体在/>上进行评估获得适应度,下标/>表示/>的索引;
S12,重复步骤S2-S11直到满足最大评价次数,输出中适应度最小的解作为最优工程造价成本优化方案。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134429A true CN118134429A (zh) | 2024-06-04 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ko et al. | Precast production scheduling using multi-objective genetic algorithms | |
CN111259535B (zh) | 一种船舶管道生产线物流仿真系统开发方法 | |
CN107464025B (zh) | 基于大数据的供应链需求预测与智能决策方法 | |
Suri et al. | Comparative analysis of software effort estimation techniques | |
CN113656879A (zh) | 基于bim的幕墙工程精细化施工方法、系统、终端、介质 | |
Mahvi et al. | Optimal bidding strategy in a competitive electricity market based on agent-based approach and numerical sensitivity analysis | |
CN110942204A (zh) | 新开电网基建项目年度计划编制模型构建方法及系统 | |
CN115329448B (zh) | 基于bim的装配式建筑施工成本控制方法及系统 | |
Liu et al. | Multi-objective optimal scheduling of automated construction equipment using non-dominated sorting genetic algorithm (NSGA-III) | |
CN108038616A (zh) | 一种输电线路工程造价分析方法 | |
Ma et al. | Redundant and nonbinding transmission constraints identification method combining physical and economic insights of unit commitment | |
CN111105080A (zh) | 基于bim模型的施工进度预测方法及系统 | |
Ding et al. | Construction cost management strategy based on BIM technology and neural network model | |
CN116596483A (zh) | 一种基于三维数字技术的桥梁施工组织方法 | |
CN108769105A (zh) | 一种云环境下的知识服务多任务调度优化方法及其构建的调度系统 | |
CN116995682B (zh) | 一种可调节负荷参与有功潮流连续调整方法与系统 | |
Viere et al. | Verbund‐Simulation–Strategic Planning and Optimization of Integrated Production Networks | |
CN118134429A (zh) | 一种基于多任务协同进化算法的工程造价优化方法 | |
Liu et al. | Mixed-flow assembly line balancing with uncertain assembly times in remanufacturing | |
US9454739B2 (en) | Multi-period financial simulator of a process | |
Attari-Shendi et al. | A comprehensive mathematical model for sequencing interrelated activities in complex product development projects | |
Garcia et al. | Integrating functional metrics, COCOMO II and earned value analysis for software projects using PMBoK | |
Ferrero et al. | Short-term power purchases considering uncertain prices | |
Bosenko et al. | Development of an automated system to improve the efficiency of the oil pipeline construction management | |
Kostrzewa et al. | Scheduling construction processes using the probabilistic time coupling method III |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |