基于多目標遺傳算法的水利工程施工進度計劃優化

馬俊彬

(遼寧潤中供水有限責任公司，沈陽110166)

基于多目標遺傳算法的水利工程施工進度計劃優化

馬俊彬

(遼寧潤中供水有限責任公司，沈陽110166)

隨著我國市場經濟的確立和逐漸深化，水利工程建設投資體制也在不斷改革。一些項目確立了新的法人責任制，同時也實行了項目工程承包制度。那么如何才能在規劃的工作周期內順利完成工程項目的建設、降低工程造價、提高投資回報率，是投資者和承包商最關心的問題。基于此，要充分研究和規劃工程進度，制定合理又嚴謹的施工進度計劃安排。同時還要根據進度計劃安排對施工過程中用到所有資源進行統籌規劃，做到合理使用。在保證進度順利、質量過關的前提下，創造出最大化的經濟效益。文章將簡要介紹多目標遺傳算法在優化水利工程施工進度上的獨特之處，僅供參考。

水利工程施工;遺傳算法;施工進度;計劃優化

1 水利工程施工進度計劃

1.1 影響施工進度的因素

1)水利工程施工極易受到地質地形、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度［1］。

2)由于水利工程施工是一個比較系統的大工程，需要大量的資金投入，用來滿足先進施工儀器和設備的購入、各種材料的使用以及充足的勞動力，一旦資金鏈條斷開，就會影響到整個工程的進度。

3)水利工程施工具有較強的季節性特點，一般施工要選在枯水期進行，如何利用好枯水期，是阻礙施工進度比較嚴重的因素之一。

1.2 水利工程施工進度計劃

1.2.1 按時間編制

施工進度按時間進行編制主要可分為年度施工進度計劃、季度進度計劃、月進度計劃以及旬進度計劃［2］。

1.2.2 按對象編制

施工進度按對象進行編制主要可分為施工總進度、單位工程進度計劃、階段計劃以及分項進度計劃。

2 多目標遺傳算法

2.1 簡析遺傳算法

1)遺傳算法所要處理的目標不是參數本身，而是對整個參數集進行編碼和處理。此程序的操作實際上使遺傳算法能夠直接對結構目標進行操作。所有的參數集合都會在不同的程序中生成對應的結構形象，這些結構形象有可能是各種圖表，甚至是三維對象。

2)遺傳算法易于并行。很多傳統的搜索方法常常會在某個局部陷入僵局，因為它們自身的特點是比較單一的搜索算法。但遺傳算法可以同時解決一個群體中多個個體，也就是說同時對多個解答進行檢測和評估。

3)程序簡單。在標準的多目標遺傳算法中，不需要考慮有關搜索空間的信息，僅需要考慮搜索的方向以及相適應的函數，在此基礎上進行優化操作。

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

5)遺傳算法在整個區域空間進行詳細周密的搜索，但并不代表這是是盲目搜索行為。

2.2 遺傳算法設計過程

2.2.1 染色體設計

早遺傳算法中資源的分配屬于順序安排問題，在整個設計優化中，每一個染色體就代表了一種計劃安排，具體結構如圖1所示。

圖1 染色體結構示意圖

2.2.2 產生祖先

隨機產生一組初始解，這幾個初始解構成的解集為原始群體。由于原始群體遍及整個解空間，因而能很好地反映搜索空間的性態，更能體現優化問題所描述的生態環境。母體數N是每一代個體的固定總數，也即初始解的個數。由于初始解的分布影響結果，而每一代的運算量影響總計算時間，所以N對結果和計算時間都有影響，N越大所需的時間越多。但由于迭代終止的條件取決于母體總體的評價水平，故N的大小對迭代次數影響明顯。

2.2.3 選擇方法

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

2.2.4 交叉、變異

定義一個交叉概率Ps利用這個概率隨機選擇復制后的染色體進行交叉，產生后代。同樣定義一個變異概率Pm，選擇交叉后的染色體進行變異操作，完成一次進化。經過一定次數的進化就可得到最終結果。

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多少代解的適應值沒有明顯改進即終止。

3 實際應用示例

3.1 工程簡介

表1 某工程洪水控制建設分解

3.2 優化結果

該水利工程的特點是，周期長，投資大、具體施工比較復雜。根據輸入的參數和方案，實際求解過程因篇幅有限，所以優化效果簡單見表2。

表2 “工期—費用”優化結果表

由此可以看出:應用遺傳算法對該水利工程進行施工進度優化，在施工周期不變的情況下，可以節省將近6%的投資。

4 結語

遺傳算法和其他搜索方法比起來，遺傳算法針對比較復雜的網絡計劃優化方面的計算效率更高更準，它從根本上克服了時間的限制。對于大型水利工程施工，將遺傳算法應用到施工進度計劃優化中，會減少很多時間，提高工作效率。和其它方法相比，具有很大的優越性能。

［1］汪安南，史安娜，張元教，彭德勝.遺傳算法在水利工程施工進度控制優化中的應用［J］.水利經濟，2006，24(04):55-57.

［2］彭德勝.基于遺傳算法的水利工程施工進度優化研究［J］水利經濟，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。