基于多目標(biāo)遺傳算法的水利工程施工進(jìn)度計(jì)劃優(yōu)化

馬俊彬

(遼寧潤(rùn)中供水有限責(zé)任公司，沈陽110166)

基于多目標(biāo)遺傳算法的水利工程施工進(jìn)度計(jì)劃優(yōu)化

馬俊彬

(遼寧潤(rùn)中供水有限責(zé)任公司，沈陽110166)

隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的確立和逐漸深化，水利工程建設(shè)投資體制也在不斷改革。一些項(xiàng)目確立了新的法人責(zé)任制，同時(shí)也實(shí)行了項(xiàng)目工程承包制度。那么如何才能在規(guī)劃的工作周期內(nèi)順利完成工程項(xiàng)目的建設(shè)、降低工程造價(jià)、提高投資回報(bào)率，是投資者和承包商最關(guān)心的問題?；诖耍浞盅芯亢鸵?guī)劃工程進(jìn)度，制定合理又嚴(yán)謹(jǐn)?shù)氖┕みM(jìn)度計(jì)劃安排。同時(shí)還要根據(jù)進(jìn)度計(jì)劃安排對(duì)施工過程中用到所有資源進(jìn)行統(tǒng)籌規(guī)劃，做到合理使用。在保證進(jìn)度順利、質(zhì)量過關(guān)的前提下，創(chuàng)造出最大化的經(jīng)濟(jì)效益。文章將簡(jiǎn)要介紹多目標(biāo)遺傳算法在優(yōu)化水利工程施工進(jìn)度上的獨(dú)特之處，僅供參考。

水利工程施工;遺傳算法;施工進(jìn)度;計(jì)劃優(yōu)化

1 水利工程施工進(jìn)度計(jì)劃

1.1 影響施工進(jìn)度的因素

1)水利工程施工極易受到地質(zhì)地形、水文氣象等自然條件的影響，這些因素極大的制約著工程施工的進(jìn)度［1］。

2)由于水利工程施工是一個(gè)比較系統(tǒng)的大工程，需要大量的資金投入，用來滿足先進(jìn)施工儀器和設(shè)備的購(gòu)入、各種材料的使用以及充足的勞動(dòng)力，一旦資金鏈條斷開，就會(huì)影響到整個(gè)工程的進(jìn)度。

3)水利工程施工具有較強(qiáng)的季節(jié)性特點(diǎn)，一般施工要選在枯水期進(jìn)行，如何利用好枯水期，是阻礙施工進(jìn)度比較嚴(yán)重的因素之一。

1.2 水利工程施工進(jìn)度計(jì)劃

1.2.1 按時(shí)間編制

施工進(jìn)度按時(shí)間進(jìn)行編制主要可分為年度施工進(jìn)度計(jì)劃、季度進(jìn)度計(jì)劃、月進(jìn)度計(jì)劃以及旬進(jìn)度計(jì)劃［2］。

1.2.2 按對(duì)象編制

施工進(jìn)度按對(duì)象進(jìn)行編制主要可分為施工總進(jìn)度、單位工程進(jìn)度計(jì)劃、階段計(jì)劃以及分項(xiàng)進(jìn)度計(jì)劃。

2 多目標(biāo)遺傳算法

2.1 簡(jiǎn)析遺傳算法

1)遺傳算法所要處理的目標(biāo)不是參數(shù)本身，而是對(duì)整個(gè)參數(shù)集進(jìn)行編碼和處理。此程序的操作實(shí)際上使遺傳算法能夠直接對(duì)結(jié)構(gòu)目標(biāo)進(jìn)行操作。所有的參數(shù)集合都會(huì)在不同的程序中生成對(duì)應(yīng)的結(jié)構(gòu)形象，這些結(jié)構(gòu)形象有可能是各種圖表，甚至是三維對(duì)象。

2)遺傳算法易于并行。很多傳統(tǒng)的搜索方法常常會(huì)在某個(gè)局部陷入僵局，因?yàn)樗鼈冏陨淼奶攸c(diǎn)是比較單一的搜索算法。但遺傳算法可以同時(shí)解決一個(gè)群體中多個(gè)個(gè)體，也就是說同時(shí)對(duì)多個(gè)解答進(jìn)行檢測(cè)和評(píng)估。

3)程序簡(jiǎn)單。在標(biāo)準(zhǔn)的多目標(biāo)遺傳算法中，不需要考慮有關(guān)搜索空間的信息，僅需要考慮搜索的方向以及相適應(yīng)的函數(shù)，在此基礎(chǔ)上進(jìn)行優(yōu)化操作。

4)遺傳算法不是確定性的規(guī)則來指導(dǎo)自身的整個(gè)大搜索范圍，而是采取概率變遷，所以它能夠搜索到比較復(fù)雜的空間形態(tài)、

5)遺傳算法在整個(gè)區(qū)域空間進(jìn)行詳細(xì)周密的搜索，但并不代表這是是盲目搜索行為。

2.2 遺傳算法設(shè)計(jì)過程

2.2.1 染色體設(shè)計(jì)

早遺傳算法中資源的分配屬于順序安排問題，在整個(gè)設(shè)計(jì)優(yōu)化中，每一個(gè)染色體就代表了一種計(jì)劃安排，具體結(jié)構(gòu)如圖1所示。

圖1 染色體結(jié)構(gòu)示意圖

2.2.2 產(chǎn)生祖先

隨機(jī)產(chǎn)生一組初始解，這幾個(gè)初始解構(gòu)成的解集為原始群體。由于原始群體遍及整個(gè)解空間，因而能很好地反映搜索空間的性態(tài)，更能體現(xiàn)優(yōu)化問題所描述的生態(tài)環(huán)境。母體數(shù)N是每一代個(gè)體的固定總數(shù)，也即初始解的個(gè)數(shù)。由于初始解的分布影響結(jié)果，而每一代的運(yùn)算量影響總計(jì)算時(shí)間，所以N對(duì)結(jié)果和計(jì)算時(shí)間都有影響，N越大所需的時(shí)間越多。但由于迭代終止的條件取決于母體總體的評(píng)價(jià)水平，故N的大小對(duì)迭代次數(shù)影響明顯。

2.2.3 選擇方法

計(jì)算出每個(gè)染色體的適應(yīng)值，從中選出適應(yīng)值較大的n個(gè)串，稱這n個(gè)染色體的集合為一個(gè)匹配集，這個(gè)過程叫選擇。選擇的方法有多種，在此采用了轉(zhuǎn)輪法。首先求出目前種群中所有數(shù)字串的適應(yīng)值之和Fs之后產(chǎn)生一個(gè)位于0和Fs之間的均勻分布的偽隨機(jī)數(shù)r，并將滿足下述條件的解群中第m個(gè)數(shù)字串加入匹配集。Fi為第i個(gè)數(shù)字串的適應(yīng)值。重復(fù)此過程，直至匹配集中包含足夠的數(shù)字串。數(shù)字串入選匹配集的概率是與其適應(yīng)值大小成正比例的:和

2.2.4 交叉、變異

定義一個(gè)交叉概率Ps利用這個(gè)概率隨機(jī)選擇復(fù)制后的染色體進(jìn)行交叉，產(chǎn)生后代。同樣定義一個(gè)變異概率Pm，選擇交叉后的染色體進(jìn)行變異操作，完成一次進(jìn)化。經(jīng)過一定次數(shù)的進(jìn)化就可得到最終結(jié)果。

2.2.5 確定算法的終止條件

遺傳算法的收斂條件采用在連續(xù)多少代解的適應(yīng)值沒有明顯改進(jìn)即終止。

3 實(shí)際應(yīng)用示例

3.1 工程簡(jiǎn)介

表1 某工程洪水控制建設(shè)分解

3.2 優(yōu)化結(jié)果

該水利工程的特點(diǎn)是，周期長(zhǎng)，投資大、具體施工比較復(fù)雜。根據(jù)輸入的參數(shù)和方案，實(shí)際求解過程因篇幅有限，所以優(yōu)化效果簡(jiǎn)單見表2。

表2 “工期—費(fèi)用”優(yōu)化結(jié)果表

由此可以看出:應(yīng)用遺傳算法對(duì)該水利工程進(jìn)行施工進(jìn)度優(yōu)化，在施工周期不變的情況下，可以節(jié)省將近6%的投資。

4 結(jié)語

遺傳算法和其他搜索方法比起來，遺傳算法針對(duì)比較復(fù)雜的網(wǎng)絡(luò)計(jì)劃優(yōu)化方面的計(jì)算效率更高更準(zhǔn)，它從根本上克服了時(shí)間的限制。對(duì)于大型水利工程施工，將遺傳算法應(yīng)用到施工進(jìn)度計(jì)劃優(yōu)化中，會(huì)減少很多時(shí)間，提高工作效率。和其它方法相比，具有很大的優(yōu)越性能。

［1］汪安南，史安娜，張?jiān)蹋淼聞?遺傳算法在水利工程施工進(jìn)度控制優(yōu)化中的應(yīng)用［J］.水利經(jīng)濟(jì)，2006，24(04):55-57.

［2］彭德勝.基于遺傳算法的水利工程施工進(jìn)度優(yōu)化研究［J］水利經(jīng)濟(jì)，2008，26(01):22-25.

TV511

B

1007-7596(2014)06-0134-02

2014-04-25

馬俊彬(1986-)男，遼寧沈陽人，助理工程師，從事輸水工程工作。