基于免疫优化算法的装配式建筑构件生产基地选址研究
发布时间：2021-03-21 14:16
由于对装配式建筑上游产业和装配式建筑构件生产基地缺少科学的规划布局,部分地区出现了生产基地选址规划不合理和产能过剩的问题。在研究一般选址问题的基础上,结合构件生产基地选址的特点,建立装配式建筑构件生产基地选址模型,采用免疫优化算法进行求解。研究结果表明:免疫优化算法能够以较小的建站代价获得较优选址,有较强的收敛性,具有良好的全局寻优能力,证实算法对于所研究问题的适用性。
【文章来源】：铁道科学与工程学报. 2020,17(09)北大核心CSCD
【文章页数】：7 页
【部分图文】：
免疫优化算法收敛曲线Fig.3Immuneoptimizationalgorithmconvergencecurve
铁道科学与工程学报2020年9月2432否可在后期扩大规模，种种因素都会对该区域装配式建筑的推广产生或多或少的影响。其次，国内各个区域地理环境，社会环境均不相同，笼统的分析选址问题不能给装配式建筑构件厂的从业人员一个合理的建议。在传统方法下，如采用粒子算法确定装配式构件厂选址花费的精力过长，收敛速度慢，计算结果偏向局部最优，不易考虑全局，这在一定程度上造成了成本的增加。在选址问题中，遗传算法与免疫优化算法有相似之处，都通过交换样本信息来提高群落的适应度，有相近的循环流程。但遗传算法由于对父体的依赖性较强，在筛选过程中，降低了样本的多样性，而免疫优化算法由于以样本间亲和度为基础，可以丰富群体的多样性，提高了选址问题解的多样性。同时利用免疫优化求解最优选址时收敛速度快的特性，可以对装配式构件选址提供针对性的建议，为选址问题提供一个很好的思路和参考。2.2免疫优化算法的实现流程生物免疫系统[9]是一个高度进化，功能复杂的生物系统，通过该系统模拟生物免疫系统抗原抗体之间免疫应答关系，如图1所示，模仿免疫系统在识别抗原刺激后，释放大量抗体消灭抗原，进而引起免疫细胞的代谢，通过选择，交叉变异引起新抗体产生，进而维持机体内环境的相对稳定与协调。通过这种启发得到的一种新型的计算方法:免疫优化算法。该算法具有强大的识别能力、记忆能力、适应能力和学习能力，是一种智能搜寻最优解的算法，也是同时具备迭代过程的高级智能优化算法[10]。2.2.1初始抗体群的产生由于记忆库非空，不能直接从记忆库中生成初始抗体群，因此只能以在可行解空间随机生成的或者记忆库存留的抗体为初始抗体群。此处选择简单编码的方式，
?沂奔涓丛佣炔桓撸?芄磺蟮媒衔???的结果。3.3选址结果分析由图3得到，免疫优化算法约在第6次就呈现出收敛的特性。由此可以推断出免疫算法可以在最大程度上避免陷入在局部求最优的僵局，可以在全区域内通过分析得到最优化。通过MATLAB程序选定装配式构件生产基地，对得到的数据进行分析可以看出免疫优化算法的快速收敛特性可以减少算法需要迭代[15]的次数，提高了决策的效率。免疫优化算法由于其自身的优越性，可以避免陷入局部寻找最佳方案，保证了最优方案的质量。图2装配式建筑构件生产基地选址方案Fig.2Siteselectionplanforfabricatedbuildingcomponentproductionbase表1需求点相对坐标及需求量Table1Demandpointrelativecoordinatesanddemand编号坐标需求量编号坐标需求量编号坐标需求量1(200,163)2513(269,14)8025(10,115)802(43,63)9014(296,156)9026(264,89)503(39,37)9015(191,290)5027(109,53)604(226,262)6316(273,75)6028(110,129)705(147,223)9017(111,47)3729(184,162)506(290,300)7018(31,274)6030(97,40)567(283,251)4019(263,33)4031(79,239)798(234,151)9020(216,88)9032(227,172)459(51,49)6721(183,196)3533(240,11)6010(244,64)7022(14,185)7034(252,125)7811(136,87)3823(66,54)9035(282,43)8012(237,35)4024(123,107)6036(185,23)56表2构件生产基地与需求点之间的关系Table2Relationshipbetweencomponentproductionbaseanddemandpoint生产基地编号248311927覆盖的需求点编号2,3,9,23,254,6,7,151,8,14,20,21,29,32,345,18,22,3110,12,13,16,19,26,33,35,3611,17,24,27,28,30目标函数值
【参考文献】：
期刊论文
[1]装配式建筑发展效率影响因素分析[J]. 康晓辉,孙金颖,金占勇,王颖. 建筑经济. 2019(03)
[2]装配式建筑产业基地选址影响因素分析[J]. 刘晓君,刘欣惠. 数学的实践与认识. 2019(02)
[3]基于Matlab的数字图像处理综合设计性实验[J]. 龚黎华,朱启标,周志洪,周南润. 实验技术与管理. 2018(11)
[4]基于模糊层次分析法的装配式建筑PC构件厂选址[J]. 罗倩蓉,董茜月,曾德珩. 土木工程与管理学报. 2018(03)
[5]装配式建筑预制构件生产基地规划选址研究[J]. 胡韫频,谢执政,童明德,邹松,李辉,陈宪清. 建筑经济. 2018(04)
[6]建筑构件配送中心选址问题研究[J]. 崔晓. 价值工程. 2017(12)
[7]Sample Bound Estimate Based Chance-constrained Immune Optimization and Its Applications[J]. Zhu-Hong Zhang,Kai Yang,Da-Min Zhang. International Journal of Automation and Computing. 2016(05)
[8]基于免疫优化算法的冷链物流配送中心选址研究[J]. 殷月. 物流技术. 2016(07)
[9]基于免疫算法的TD-SCDMA网络基站选址优化[J]. 张英杰,毛赐平,俎云霄,孙先佑. 通信学报. 2014(05)
[10]免疫记忆克隆算法求解3G基站选址优化问题[J]. 朱思峰,陈国强,张新刚. 华中科技大学学报(自然科学版). 2011(07)
本文编号：3093011
【文章来源】：铁道科学与工程学报. 2020,17(09)北大核心CSCD
【文章页数】：7 页
【部分图文】：
免疫优化算法收敛曲线Fig.3Immuneoptimizationalgorithmconvergencecurve
铁道科学与工程学报2020年9月2432否可在后期扩大规模，种种因素都会对该区域装配式建筑的推广产生或多或少的影响。其次，国内各个区域地理环境，社会环境均不相同，笼统的分析选址问题不能给装配式建筑构件厂的从业人员一个合理的建议。在传统方法下，如采用粒子算法确定装配式构件厂选址花费的精力过长，收敛速度慢，计算结果偏向局部最优，不易考虑全局，这在一定程度上造成了成本的增加。在选址问题中，遗传算法与免疫优化算法有相似之处，都通过交换样本信息来提高群落的适应度，有相近的循环流程。但遗传算法由于对父体的依赖性较强，在筛选过程中，降低了样本的多样性，而免疫优化算法由于以样本间亲和度为基础，可以丰富群体的多样性，提高了选址问题解的多样性。同时利用免疫优化求解最优选址时收敛速度快的特性，可以对装配式构件选址提供针对性的建议，为选址问题提供一个很好的思路和参考。2.2免疫优化算法的实现流程生物免疫系统[9]是一个高度进化，功能复杂的生物系统，通过该系统模拟生物免疫系统抗原抗体之间免疫应答关系，如图1所示，模仿免疫系统在识别抗原刺激后，释放大量抗体消灭抗原，进而引起免疫细胞的代谢，通过选择，交叉变异引起新抗体产生，进而维持机体内环境的相对稳定与协调。通过这种启发得到的一种新型的计算方法:免疫优化算法。该算法具有强大的识别能力、记忆能力、适应能力和学习能力，是一种智能搜寻最优解的算法，也是同时具备迭代过程的高级智能优化算法[10]。2.2.1初始抗体群的产生由于记忆库非空，不能直接从记忆库中生成初始抗体群，因此只能以在可行解空间随机生成的或者记忆库存留的抗体为初始抗体群。此处选择简单编码的方式，
?沂奔涓丛佣炔桓撸?芄磺蟮媒衔???的结果。3.3选址结果分析由图3得到，免疫优化算法约在第6次就呈现出收敛的特性。由此可以推断出免疫算法可以在最大程度上避免陷入在局部求最优的僵局，可以在全区域内通过分析得到最优化。通过MATLAB程序选定装配式构件生产基地，对得到的数据进行分析可以看出免疫优化算法的快速收敛特性可以减少算法需要迭代[15]的次数，提高了决策的效率。免疫优化算法由于其自身的优越性，可以避免陷入局部寻找最佳方案，保证了最优方案的质量。图2装配式建筑构件生产基地选址方案Fig.2Siteselectionplanforfabricatedbuildingcomponentproductionbase表1需求点相对坐标及需求量Table1Demandpointrelativecoordinatesanddemand编号坐标需求量编号坐标需求量编号坐标需求量1(200,163)2513(269,14)8025(10,115)802(43,63)9014(296,156)9026(264,89)503(39,37)9015(191,290)5027(109,53)604(226,262)6316(273,75)6028(110,129)705(147,223)9017(111,47)3729(184,162)506(290,300)7018(31,274)6030(97,40)567(283,251)4019(263,33)4031(79,239)798(234,151)9020(216,88)9032(227,172)459(51,49)6721(183,196)3533(240,11)6010(244,64)7022(14,185)7034(252,125)7811(136,87)3823(66,54)9035(282,43)8012(237,35)4024(123,107)6036(185,23)56表2构件生产基地与需求点之间的关系Table2Relationshipbetweencomponentproductionbaseanddemandpoint生产基地编号248311927覆盖的需求点编号2,3,9,23,254,6,7,151,8,14,20,21,29,32,345,18,22,3110,12,13,16,19,26,33,35,3611,17,24,27,28,30目标函数值
【参考文献】：
期刊论文
[1]装配式建筑发展效率影响因素分析[J]. 康晓辉,孙金颖,金占勇,王颖. 建筑经济. 2019(03)
[2]装配式建筑产业基地选址影响因素分析[J]. 刘晓君,刘欣惠. 数学的实践与认识. 2019(02)
[3]基于Matlab的数字图像处理综合设计性实验[J]. 龚黎华,朱启标,周志洪,周南润. 实验技术与管理. 2018(11)
[4]基于模糊层次分析法的装配式建筑PC构件厂选址[J]. 罗倩蓉,董茜月,曾德珩. 土木工程与管理学报. 2018(03)
[5]装配式建筑预制构件生产基地规划选址研究[J]. 胡韫频,谢执政,童明德,邹松,李辉,陈宪清. 建筑经济. 2018(04)
[6]建筑构件配送中心选址问题研究[J]. 崔晓. 价值工程. 2017(12)
[7]Sample Bound Estimate Based Chance-constrained Immune Optimization and Its Applications[J]. Zhu-Hong Zhang,Kai Yang,Da-Min Zhang. International Journal of Automation and Computing. 2016(05)
[8]基于免疫优化算法的冷链物流配送中心选址研究[J]. 殷月. 物流技术. 2016(07)
[9]基于免疫算法的TD-SCDMA网络基站选址优化[J]. 张英杰,毛赐平,俎云霄,孙先佑. 通信学报. 2014(05)
[10]免疫记忆克隆算法求解3G基站选址优化问题[J]. 朱思峰,陈国强,张新刚. 华中科技大学学报(自然科学版). 2011(07)
本文编号：3093011
本文链接：https://www.wllwen.com/guanlilunwen/chengjian/3093011.html
