施工现场设施布局优化问题的新型启发式算法

发布时间：2021-07-06 14:36

　　施工现场设施布局的合理性直接关系到项目成本等目标的实现.针对涉及设施较多的施工现场布局优化问题,首先将该离散变量优化问题转换为高维空间的随机抽样问题,进而利用过渡马尔可夫链蒙特卡罗方法的思想,提出一种高效的全局优化启发式算法.与针对连续型高维概率密度分布函数进行随机取样的过渡马尔可夫链蒙特卡罗方法相比,本文提出的启发式算法的框架基础需从概率密度分布函数转变为概率分布函数,进而需在马尔可夫链状态点的产生方法上进行修正,以适应离散型变量优化问题的不同特性.通过实例验证,与目前应用较广的遗传算法相比,本文提出的新型启发式算法在全局最优解的获取稳定性上有较大改进. 

【文章来源】：湖南大学学报(自然科学版). 2020,47(09)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

典型施工场地及预定位置示意图

该设施布局优化问题需考虑将9个设施分配在9个位置，故问题的可行解（布局方案）个数为9!=362 880.通过枚举法可得到问题的最优目标函数值为6 273 m.针对本实例问题，基于TMCMC的建议优化算法的参数中，无量纲化常数g0取值10 000，样本变异系数取0.3.图2描述了基于TMCMC的建议优化算法一次典型求解过程（每一阶段的样本个数取100）中最优目标函数值随迭代阶段的变化，图3描述了该求解过程中温度参数随迭代阶段的变化.图3 典型求解过程中温度参数随迭代阶段变化（实例一）

图2 典型求解过程中最优目标函数值随迭代阶段的变化（实例一）为检验基于TMCMC的施工现场设施布局优化算法的稳定性，表5给出了针对案例问题的500次建议优化算法求解的统计结果.作为对比，表5也提供了遗传算法（Genetic Algorithm,GA）的500次求解的统计结果.本文采用的遗传算法为双交叉算子遗传算法，其与传统遗传算法相比，更适用于组合优化问题，且性能更优[14].其交叉操作采用交叉掩码和部分映射杂交算子作为双交叉算子，既能保护优质染色体，又不影响劣质染色体的进化，从而提高种群的收敛速度.其变异操作采用染色体内部变异的方式，即随机选择染色体内的两个基因进行交换.考虑到计算资源对两种优化算法性能的影响，两种算法的迭代终止原则均取为迭代次数不超过20代.

【参考文献】：
硕士论文
[1]基于BIM技术的施工现场动态布置研究[D]. 宋兴蓓.长安大学 2017
[2]基于BIM的施工现场布置优化研究[D]. 马筠强.哈尔滨工业大学 2016



本文编号：3268426