基于WLCS-ALA模型的建設項目投資估算研究

段曉晨， 呂 倩， 張小平， 王玉滿

(1. 石家莊鐵道大學 經濟管理學院，河北 石家莊 050043； 2. 河北地質大學，河北 石家莊 050031)

近年來，我國已進入建設項目投資高峰期，建設項目的投資、建設以及后期的運營，對于我國的經濟增長具有直接和間接的推動作用。“十二五”期間，我國市政公用基礎設施投資總額達7萬億左右；預計到2020年，全國鐵路營業(yè)里程將達12萬km以上。如此巨大的建設規(guī)模和投資，其投資管理的意義和重要性可想而知。目前，建設項目投資管理領域依然還存在著“三邊三超”“馬拉松”“短命建筑”等現象，造成了對投資的嚴重浪費。究其主要原因是目前我國建設項目仍然普遍采用傳統(tǒng)的定額概預算編制方法進行投資估算，針對已有類似分項通常采用概預算定額和估算指標進行估算，針對無類似分項通常采用比較分析、經驗判別等方法進行估算，定額指標本身存在靜態(tài)性和計劃性的特點，導致不能準確有效估算投資額度，估算準確性得不到有效保障[1]，并且傳統(tǒng)的估算方法采用簡單線性估算，不能滿足建設項目本身所具有的復雜特性。

全生命周期造價理論，在歐美等發(fā)達國家發(fā)展已經基本成熟，應用領域廣泛，包括環(huán)保、能源、軍事國防以及建筑領域。具體到國內的發(fā)展，2000年，戚安邦[2]提出了應用全生命周期理論對工程項目造價進行管理；丁士昭探討了建立建設全生命周期工程項目的信息管理系統(tǒng)，從而解決工程項目決策階段投資額度控制情況等相關問題[3]。

人工生命系統(tǒng)是由Andrew和Norman首先提出，是一個人工生命群落的模型。人工生命理論通過利用達爾文進化論的原理，在計算機中設計與生命類似的實體，并設計一些行為規(guī)則算法，來指導進化過程，該過程使生命由簡單到復雜、由低級到高級漸進演化，逐步完善自身的適應性，其原理是進化計算在計算機仿真學上的全新應用,進化是生命存在與發(fā)展的具體過程。國內學者張軍[4]構建了一種基于遺傳算法的人工生命的進化模型；謝汝林[5]仿真模擬了他構建的人工生命體的行為選擇及其進化模型；高睿等人詳細介紹了人工生命算法的基本原理、改進措施、算法應用[6]。

可以發(fā)現，全生命周期造價理論和人工生命系統(tǒng)都是相對成熟的理論體系，被國內外學者應用在不同的領域。但二者相結合來進行建設項目投資估算的研究較少。因此，針對建設項目投資建設復雜性特點，采用非線性方法進行投資估算，通過運用建設項目全生命周期造價WLC(whole life cost)和顯著性成本CS(Cost-Significant)理論以及人工生命進化理論來構建WLCS-ALA(Whole Life Cost-Significant-Artificial Life Algorithm)模型，進行建設項目投資估算，將人工生命算法應用于投資預測問題，準確擬合已完工程歷史數據，以解決其存在的靜態(tài)性、延時性和滯后性等問題，盡可能達到減少工作量，提高準確性的目的。在保證工期質量的前提下[7]，控制政府投資項目的投資額度，為決策管理和實施部門提供決策依據。

1 構建全生命顯著性造價人工生命進化模型

1.1 全生命周期造價WLC(Whole Life Cost)

全生命周期造價確定模型采用NPV法，使用以下模型[8]

( 1 )

式中：COm為備選方案m的最初成本；T為項目全生命周期；dOmt為項目運營成本的折現值；dMmt為項目養(yǎng)護成本的折現值；dSAVm為項目期末回收凈值的折現值。

式( 1 )可以計算整個工程項目的全生命周期造價，但同時可以預見到計算工作量會非常繁瑣巨大。本文將顯著性成本理論應用于WLC中，可以簡化全生命周期造價計算過程，即[9]

( 2 )

式中：C(csi)mt為項目全生命周期內的顯著性成本；d為項目期望折現率；D為項目最終棄置后的凈值；csf為項目的顯著性因子；n為顯著性項目的個數；NPVm為項目全生命周期造價的現值之和[10]。

1.2 人工生命進化算法ALA(Artificial Life Algorithm)

人工生命進化算法是通過研究生物個體進化自然選擇規(guī)律，對工程技術領域或其他領域進行優(yōu)化計算、預測和數字尋優(yōu)的一種數學模型。其本身具有自組織、自學習、自進化等優(yōu)點，在全局范圍內具有良好的收斂性能和魯棒性[8-11]。

X={x∈Rn|xmin≤x≤xmax}

( 3 )

每個生命體Xs有鄰域C，Xs的鄰域C是一種歐幾里德空間，可描述為

C={x∈Rn|‖x-xs‖2≤D}

( 4 )

式中：xs表示人工生命體當前的位置;D為人工生命體的活動區(qū)域，人工生命體在這個區(qū)域內移動、繁殖。每個坐標點都分布著食物能量源和一定數量的人工生命體。在每次演化中，它們可以在這個區(qū)域內發(fā)現資源和其它人工生命體。通常把D作為一個常數用于循環(huán)過程，有時也定義為一個變量隨著循環(huán)次數增加而變化。

在前期迭代中，人工生命體搜索的鄰域范圍廣闊，它們有更多的機會找到優(yōu)化解。隨著迭代進行，它們將搜索優(yōu)化解的區(qū)域范圍由初始的廣闊區(qū)域轉為一些較小的優(yōu)化解區(qū)域，因此可以做到全范圍優(yōu)化解。

把人工生命體生存的環(huán)境視為目標優(yōu)化問題的求解空間，在這個求解空間中的人工生命體可以進行交互活動。對人工生命體的生存繁衍規(guī)則進行定義，該定義使其具有搜索特性，可以求解目標優(yōu)化問題的極值，在求解空間中與優(yōu)化函數極值區(qū)域形成有效突現聚類。

1.3 全生命顯著性造價人工生命進化模型優(yōu)化過程[13-15]

Step1初始化：初始混合編碼，產生POPSIZE個人工生命體，并將其隨機性的分布在人工系統(tǒng)中。定義每個人工生命體初始能量為IE。

Step2搜索資源：每個人工生命體在人工系統(tǒng)REGION內尋找可以進行代謝的資源。

Step3移動：如果人工系統(tǒng)內具有距離人工生命體很近并且為人工生命體所需要的資源，那么人工生命體就向該資源移動；否則人工生命體會在鄰域內進行隨機移動。

Step4代謝：人工生命體向符合條件的資源移動，通過進食和代謝，最終增加能量值WE。

Step5增加年齡：通過初始化、搜索資源、移動和代謝，人工生命體的年齡加一。

Step6繁殖下一代：最后當人工生命體年齡達到生育年齡RA和獲得一定的能量值后，就符合繁衍條件，在人工系統(tǒng)內與相同種類的人工生命體進行繁殖活動，后代會繼承父代的基因和知識等遺傳信息。

Step7減少能量：在這一過程中，系統(tǒng)內的全部人工生命體都會降低內在能量，當人工生命體的內在能量值低于最低的能量閾值MSE時，那么這個人工生命體就會滅亡，最終會從環(huán)境中消亡[16]。

Step8增加代：在這一過程中增加一代，返回步驟Step2。參數說明見表1。

表1 參數說明

2 研究案例

本文收集大量相關的已完公路工程歷史數據作為基礎數據，并利用凈現值法求各工程的WLC(折現率設定為5%)，在進行數據分析前，需要消除時間差距和地區(qū)差距，進行降噪處理，利用造價指數進行時間和地區(qū)調整，將數據都轉化為基期為1995年、基準地為北京地區(qū)的統(tǒng)一數據。

2.1 確定擬建工程特征量化值

參考相關資料，根據專家經驗并分析高速公路項目中路基項目的特點以及施工工藝特征，總結出路基的工程特征類目[17]，高速公路路基工程的特征量化描述見表2。

表2 高速公路路基工程的特征量化描述

所選取的擬建工程的路基分部工程特征量化值為(2，1，2，1，3)，以此為篩選條件，在歷史數據中尋找具有此類特征的路基工程，即為需要的類似工程。在此找到了10項類似工程。

2.2 CS理論數據挖掘

全生命周期造價包括初始的建造成本和未來的運營及維護成本，所尋找的全生命顯著性成本項目就是在建設成本和運營維護成本中尋找。初始建設成本采用工程量清單中的成本，運營維護成本采用公路管理處所提供的維護數據，即在工程量清單和運營維護數據中尋找顯著性項目。

2.3 利用CS理論處理數據

(1) 以已尋找到的10項類似工程為研究對象，分別計算得出路基分部的各分項工程的全生命成本，利用均值理論找出顯著性項目CSIs。

(2) 消除數據的時間差異和地區(qū)差異,通過式( 1 )計算整個工程的全生命周期造價。

(3) 計算顯著性因子，根據式( 2 )csf由每個CSIs的造價CCSIs除以全生命周期造價得出。

通過以上的數據處理步驟進行處理后得出類似工程的路基全生命周期的顯著性項目見表3，顯著性造價、顯著性因子、全生命周期造價表示見表4。

表3 路基全生命周期造價的CSIs

表4 樣本數據表 萬元/m

根據表3，可以看出在工程造價中存在著顯著現象，顯著性項目的數量占總數量的20%左右，而顯著性項目的總造價確是全生命周期造價的80%左右，符合顯著性理論。并可知同類工程具有比較相似的顯著性項目和比較一致的顯著性因子。

2.4 ALA-WLC投資預測模型設計

本文采用matlab語言形式設計一個人工生命模型[18-20]，該模型符合人工生命體模式，構建的優(yōu)化函數即為人工生命體的適應度函數[21]。用Artificial Life1.4.0小程序軟件進行JAVA模擬演示，數據的仿真通過Matlab語言實現。

表4中LJ1～LJ9為測試樣本，LJ10為預測樣本。通過求出類似工程的歷史顯著性造價的均值和顯著性因子均值，確定尋優(yōu)數據空間作為人工生命進化模型優(yōu)化的數據基礎[22-23]。

Step1采用混合實數編碼方式對人工生命體進行編碼。

(1) 定義隨機數據β，

β∈{0,0.01,0.02,…,0.1,0.11,0.12,…,0.2,…,1}。

(2) 計算xi=li+β(ui-li)，重復N次(N為變量的個數)后，則產生一個人工生命體x={x1,x2,…,xN}。其中，N=2，x1為顯著性成本項目造價，x2為顯著性因子數值。

(3) 重復(1)、(2)M次(M為種群大小)，則會產生一個包含M個人工生命體的初始化種群。

確定變量的求解空間，初始值是通過對同類工程的顯著性項目造價和顯著性因子求平均值得出的。li和ui由變量的初始值乘以0.8和1.2得出。

Step2適應度計算。

基于ALA算法的造價投資預測，實際上就是基于以往已知的類似工程造價基礎上尋找更加準確的造價預測值，所以與實際值的誤差越小，其適應度越高。本文以適應度越高越好來衡量個體的優(yōu)劣。

算法描述如下

( 5 )

式中:Z為待尋優(yōu)的變量x1和x2；E(Z)為目標函數;L、U為可行的解空間;x1為顯著性項目造價;x2為顯著性因子;O為目標值即實際造價。

Step3參數設置。

經試驗測試，合理的參數設置見表5。

表5 參數設置

注：種群規(guī)模越大，算法耗費的時間越多。因此參數POPSIZE要求選取合理范圍，才能確保增強算法收斂性能和運行的速度。REGION的設置必須考慮尋優(yōu)區(qū)域的大小，將MAX定義為優(yōu)化過程最高限額，將MIN定義為優(yōu)化過程最低限額，通過一系列的實驗過程，定義優(yōu)化問題的維數N，則人工生命體的活動區(qū)域為N*(MAX-MIN)/10，在此區(qū)域內進行尋優(yōu)就會取得比較好的效果。GENERATION對算法的影響是：50代到200代之間，隨著世代增加，算法的尋優(yōu)精度提高，但是，當算法運行到400代時，就會出現過擬合現象，算法尋優(yōu)精度開始降低。根據經驗總結，這種過度擬合現象一般發(fā)生在200代以上，因此設置迭代次數參數應在200代以內。

Step4根據構建的人工生命進化模型優(yōu)化過程，進行結果分析。

(1) 迭代循環(huán)過程。圖1中為人工生命系統(tǒng)經過200代循環(huán)后得到的分布圖。

在算法的初始階段，人工生命體在人工生命世界中隨機分布，然后它們開始互相交流、學習，進行搜索行為；經過100代迭代后，優(yōu)化解區(qū)域初步形成，多數人工生命體聚集在優(yōu)化解區(qū)域；經過200代后，如圖1示，人工生命體基本在優(yōu)化解區(qū)域形成突現聚類，收斂于優(yōu)化解。在此基礎上，比較每個生命體的適應值，就可以得出最優(yōu)解。

表6和圖2顯示了人工生命進化過程中系統(tǒng)逐步趨于穩(wěn)定，各個個體都進化到較優(yōu)狀態(tài)，具有很好的收斂性能，在運行200代后突現，有效地達到優(yōu)化結果。

表6 各代最優(yōu)個體的適應值變化

(2) 優(yōu)化結果分析。

人工生命體在進化200代之后可以發(fā)現達到了較好的收斂效果，從而可以尋找出其最優(yōu)生命個體，最優(yōu)解見表7，Best這一行即為最優(yōu)解，由此確定項目單位每米造價預測值為16.293萬元。人工生命體與CS投資估算方法對比分析見表8，可以發(fā)現人工生命體預測誤差在10%以內，表明這一投資預測有效可行。

用人工生命進化模型分別對顯著性造價CCSIs和csf進行預測，表8對人工生命進化方法預測與CS方法預測的結果進行對比，可分析出：人工生命預測的全生命周期單位造價精確度遠高于傳統(tǒng)CS方法精確度，說明在投資決策領域應用人工生命進化方法會使投資預測更加精確。

表7 200代優(yōu)化結果

表8 人工生命與CS投資估算方法對比分析

表9 設計階段人工生命與CS方法預測對比分析

此預測模型也可用于施工圖設計階段的施工圖預算，如表9即為進行施工圖預算的結果，即用人工生命方法預測出csf，再根據同類工程確定擬建工程有哪些顯著性CSI項目，根據擬建工程施工圖紙據實算出CSI項目的造價，為12.958萬元/m造價，再除以預測的csf，得出全生命周期造價。將結果與CS方法平均計算的csf的結果準確度比較，說明兩種方法均達到要求誤差3%。但人工生命方法比CS方法準確性提高。

3 結論

結合全生命顯著性造價理論和人工生命進化算法理論，建立WLCS-ALA模型，本文構建的非線性投資估算預測模型，探討人工生命進化算法在工程造價領域的應用。運用實際收集的工程數據驗證了模型準確度，從而進行了實證分析。人工生命進化算法能夠有效解決以前造價線性預測、均值預測、預測準確度低的問題，較好的擬合工程造價的非線性特性，因此具有較好的收斂性能，能在全局范圍內搜索得出最優(yōu)解，預測誤差較小，因此造價預測具有較好的可行性和有效性。同時全生命顯著性造價可以大大降低計算的工作量，提高工作效率，簡化數據處理量。

工程造價受時間因素影響較大，具有動態(tài)性和不確定性。從建設項目的全生命周期角度，工程造價經歷從最初的不確定到最終確定的過程，但前期不確定性階段的投資控制對整個項目的投資預測起到了決定性和關鍵性作用。該階段是投資估算信息最不充分和最模糊的階段，其投資估算額是隨后各個階段投資控制的最高目標，它的準確與否對整個項目的各階段投資控制起著決定性作用。通過CS理論有效挖掘基礎數據并進行相關處理，從而為人工生命進化模型提供基礎數據，通過非線性的方法更精確地進行造價預測。

同時，由于人工生命進化算法在國內發(fā)展還不太成熟，仍存在許多問題有待后續(xù)工作的進一步完善和發(fā)展。主要表現在：模型構建需進一步探討更合適的編碼方法和適應度函數；模型構建后需要進行編程運行求解，適合于模型運算的軟件應進一步開發(fā)研究。

參考文獻：

[1] 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京:中國統(tǒng)計出版社,2008.

[2] 戚安邦.工程項目全面造價管理[M].天津：南開大學出版社，2000.

[3] 丁士昭.工程項目管理[M].北京：中國建筑工業(yè)出版社，2006.

[4] 張軍，鄭浩然，王熙法.具有行為強化學習能力的人工生命進化模型設計[J].計算機工程，2000，26(10)：11-13，50.

ZHANG Jun,ZHENG Haoran,WANG Xifa. Study of the Behavior Reinforcement Learning in Artificial Life Evolutionary Models[J]. Computer Engineering,2000，26(10)：11-13，50.

[5] 謝汝林.人工生命體行為選擇及其進化研究[M].重慶：重慶大學，2002.

[6] 高睿，周永華.人工生命算法綜述[J].控制工程，2005，12(S2)：153-156.

GAO Rui,ZHOU Yonghua. Overview of Artificial Life Algorithm[J]. Control Engineering of China,2005，12(S2)：153-156.

[7] 段曉晨,張晉武,李利軍,等.政府投資項目全面投資控制理論和方法研究[M].北京：科學出版社，2007.

[8] 董士波.全過程工程造價管理與全生命周期工程造價管理之比較[J].經濟師，2003(12)：136-138.

DONG Shibo. The Comparison of the Whole Life Cycle of the Whole Process of Project Cost Management and Engineering Cost Management[J]. Economist,2003(12)：136-138.

[9] 段曉晨，郭蘭英，張新寧.新建高鐵工程非線性造價估算方法研究[J].鐵道學報，2013，35(10)：114-122.

DUAN Xiaochen,GUO Lanying,ZHANG Xinning. Research on Nonlinear Estimating Methods of Whole Life-cycle Cost for China High-speed Railway Project[J]. Journal of the China Railway Society,2013，35(10)：114-122.

[10] 段曉晨.政府投資項目全面投資控制理論和方法研究[D].天津：天津大學，2006.

[11] LUO Lin,ESTER Van Der Voet,GJALT Huppes. Life Cycle Assessment and Life Cycle Costing of Bioethanol from Sugarcane in Brazil[J]. Renewable and Sustainable Energy Reviews,2009,13(6):1 613-1 619.

[12] GU-TAEK KIM,KYOON-TAIKIM,DU-HEON LEE,et al. Development of a Life Cycles Cost Estimate System for Structures of Light Rail Transit Infrastructure[J]. Automation in Construction,2010,19(3):308-325.

[13] HARIKRISHNA Narasimhan, CHEW M Y L. Integration of Durability with Structural Design:An Optional Life Cycle Cost Based Design Procedure for Reinforced Concrete structures[J]. Construction and Building Materials,2009,23(2):918-929.

[14] JAMIE E Padgett,KRISTINA Dennemann,JAYADIPTA Ghosh. Risk-based Seismic Life-cycle Cost-benefit(LCC-B) Analysis for Bridge Retrofit Assessment[J]. Stuectural Safety, 2010,32(3):165-173.

[15] 王玉滿，張宇佳.全面顯著性造價投資預測模型研究[J].硅谷，2011,4(2)：92.

WANG Yuman,ZHANG Yujia. Research of the Whole Significant Investment Cost Prediction Model[J]. Silicon Valley,2011,4(2)：92.

[16] 白冰.基于全生命周期理論的工程造價粗糙集估算方法研究[M].北京：中國地質大學，2010.

[17] 王安麟，馬立新，趙群飛.復雜系統(tǒng)的分析與建模[M].上海:上海交通大學出版社，2004.

[18] 洪毅.進化算法中多種信息的利用[D].上海：上海交通大學,2008.

[19] 張仲明，郭東偉，曲明，等.使用人工生命模型解決時變優(yōu)化問題[J].吉林大學學報(信息科學版)，2004,22(5):485-488.

ZHANG Zhongming,GUO Dongwei,QU MING,et al. Solving Time-varying Optimization Problem using Artificial Life Model[J]. Journal of Jilin University: Information Science Edition,2004,22(5):485-488.

[20] 王亞釗.基于捕食策略的人工生命算法及在系統(tǒng)辨識中應用[M].南寧：廣西大學，2007.

[21] 閻平凡，張長水.人工神經網絡與模擬進化計算[M].北京：清華大學出版社，2005.

[22] 薛定宇，陳陽泉.高等應用數學問題的MATLAB求解[M].北京：清華大學出版社，2005.

[23] 張江，李學偉.用數字人工生命模型探索復雜適應系統(tǒng)[J].復雜系統(tǒng)與復雜性科學，2005，2(1)：39-48.

ZHANG Jiang,LI Xuewei. Using Digital Artificial Life to Investigate Complex Adaptive System[J]. Complex Systems and Complexity Science,2005，2(1)：39-48.