考虑学习效应的重复性项目多目标均衡优化研究

发布时间：2020-03-02 11:35

【摘要】：工程项目多目标均衡优化研究一直是国内外学者研究的重点和难点。随着地铁项目、高速公路、高层建筑等重复性项目的大量涌现,其优化研究更值得关注。重复性项目工作在单元间重复、同质性手工操作多的特点,决定了其存在学习效应的基本条件;而目前国内在建筑施工领域中较少见到考虑并利用学习效应的研究。本文在重复性项目的多目标均衡优化中考虑了学习效应对各目标的影响,建立了考虑学习效应的重复性项目多目标均衡优化模型,主要研究工作如下:(1)归纳总结了工作存在学习效应的必要条件,结合我国工程实际收集了11个现场的相关数据,开展了学习效应实证研究。首先通过数据分析佐证了我国建筑施工中的确存在学习效应,利用SPSS22.0软件计算了各工作的学习率;进一步运用Origin9.0软件确定出呈下降阶段和稳定阶段的学习曲线图,创新性地提出了两阶段学习曲线模型,并利用相关系数、预测误差、配对样本T检验P值等指标验证了模型在工时预测性能等方面的显著优越性。(2)明确了重复性项目在考虑学习效应下的工期计算公式以及工期-成本、工期-质量函数关系式,构建了考虑学习效应的重复性项目多目标均衡优化模型。该模型表明学习效应的显现会给各目标同时带来积极和消极影响,从理论上揭示了学习效应是一把双刃剑,实际应用中不能通过一味地凸显学习效应来提高各目标水平,而要考虑学习效应对各目标产生的综合影响。(3)将遗传算法中的随机变异操作引入自适应网格粒子群算法,提出了改进的自适应网格粒子群算法求解多目标均衡优化模型,解决了自适应网格粒子群算法容易“早熟”、种群多样性差的不足,并通过多目标标准测试函数仿真,验证了算法在收敛性和分布性上的优越性。(4)以重庆市某高层项目为例,对本文提出的多目标均衡优化模型和改进算法进行了应用研究,验证了模型和算法的合理性和可操作性。考虑学习效应与不考虑学习效应两种情形下的模型计算结果有明显差异,表明了重复性项目多目标均衡优化中应适当考虑学习效应的影响,并通过实际案例分析了学习效应双刃剑特性的具体表现。本文通过理论研究及案例应用对学习效应进行了实证研究,并将研究结果应用于工程项目多目标均衡优化研究,揭示了学习效应对重复性项目各工程目标的影响方式,指出了学习效应“双面性”的特点,为将学习效应合理运用于工程实际提供了依据。
【图文】：

框图,研究技术,路线,框图

国内外研究综述基本理论发现已有研究中存在的问题制定调研方案，开展数据收集考虑学习效应的重复性项目处理基础数据，计算工作学习率提出并验证两阶段学习曲线模型工期目标函数成本目标函数质量目标函数案例验证模型的有效性实证研究

模型图,学习曲线,模型,学习模型

表 2.1 两种学习模型下各单元累积平均时间与边际时间对比表单元(x)边际学习模型累计平均学习模型边际时间累计平均时间累计平均时间边际时间1 100 100 100 1002 95(100 0.95) 97.5[(100+95) 2] 95(100 0.95) 90[(95 2) 100]4 90.25(95 0.95) — 90.25(95 0.95) —8 85.74(90.25 0.95) — 85.74(90.25 0.95) —16 81.45(85.74 0.95) — 81.45(85.74 0.95) —2.1.2 常用学习曲线模型各国学者针对不同领域的实际情况已提出了大量学习曲线模型，，其中适用于建筑施工领域且运用较广的模型有十余种。本文着重介绍图 2.1 中的单变量学习模型，即 Wright 模型及其改进模型、指数模型、多项式模型、双曲线模型等。
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TU71

【参考文献】