基于改進教學優化算法的施工系統可靠性研究

李一凡

摘要：隨著我國建筑施工項目規模的不斷擴大，對施工過程的管理提出了更嚴峻的要求。為了提高大型項目的可靠性，本文引進施工系統可靠性作為綜合指標，對施工過程系統的可靠性進行優化分配。以裝配式建筑為實例，運用教學算法優化施工系統可靠度，針對教學算法在解決高維復雜問題時易失去種群多樣性和陷入局部最優的缺點，在基本教學算法的基礎上引入信息熵，提出了基于信息熵改進的教學因子。最后通過將改進后的算法應用到建筑項目施工系統可靠性優化中，結果表明改進后的教學算法比基本教學算法更容易跳出局部最優，具有較強的全局搜索能力。

Abstract： With the expansion of the scale of construction projects， it has more stringent requirements on the management of the construction process. In order to improve the reliability of large-scale projects， this paper introduces the construction system reliability as a comprehensive index to optimize the reliability of the system. Taking prefabricated construction as an example， the teaching-learning-based algorithm is used to optimize the reliability of construction system. According to the shortcomings of the teaching-learning-based algorithm in solving high-dimensional complex problems， information entropy is introduced in this algorithm and the teaching factors based on improved information entropy are put forward. Finally， the improved algorithm is applied to optimize the reliability of construction project system， and the results show that the improved algorithm is easier to jump out of local optimum problem than the basic teaching-learning-based algorithm and has strong global search ability.

關鍵詞：施工系統可靠性;教學算法;可靠性優化;信息熵

Key words： construction system reliability;teaching-learning based on algorithm;reliability optimization;information entropy

中圖分類號：TU765 文獻標識碼：A 文章編號：1006-4311（2018）13-0181-03

0 引言

施工可靠性是基于施工的特性和系統工程原理所定義的，是探索項目施工生產系統的可靠性，是研究施工過程實現目標體系的可靠性[1-3]。由于工程項目施工系統與制造業生產系統二者本身就具有趨同性，同樣都具有復雜的生產流程，基于這種啟示，將施工系統可靠性應用于裝配式住宅施工領域是一個值得嘗試的研究方向[4]。為了提高大型項目的可靠性，本文引進施工系統可靠性作為綜合指標，對施工過程系統的可靠性進行優化分配[5-6]。針對該優化模型的特點，引用一種新型的群智能算法——教學優化算法進行求解[7-9]。因此，以系統可靠性理論為基礎，基于施工可靠性這一新的視角，對工程項目施工系統進行研究，具有重要的理論及現實意義[10]。

1 基于信息熵改進的TLBO算法

2 算法性能測試

通過表1標準測試函數進行算法性能測試。

改進的TLBO算法在這7個高維復雜函數上都達到了很高的精度，其在函數f1、f3、f4、f6和f7都能達到全局最優解，而基本TLBO算法僅在f7達到了全局最優解，其余都陷入了局部最優解。圖1和圖2為兩種算法分別在f6和f7中的尋優收斂曲線，通過對比可以看出，改進的TLBO算法收斂速度有顯著提高并且能夠跳出局部最優，達到了預期的效果。

3 工程實例應用

3.1 工程背景

現以江蘇省某裝配式住宅項目為例進行分析。本工程主體結構形式為剪力墻結構，主體結構部分內、外墻板均采用預制裝配式墻體，結構樓板、樓梯部分采用疊合板，樓梯、陽臺均采用預制裝配式形式，空調板、節點、接縫等采用現場現澆的方式。各子系統的基本信息如表3所示，施工網絡計劃圖如圖3所示。假定建設項目所需預制構件數量能滿足施工要求，預制構件的運輸、固定、堆放等都能保證裝配施工順利進行。

3.2 問題描述

施工項目在一定的資源下，施工可靠性優化問題描述如下：

3.3 施工可靠度計算

采用基于歷史資料數據統計分析的方法，得出各子系統的可靠度和基本費用如表4所示。

通過Matlab進行仿真計算，運行改進教學算法，對參數記性設置，種群數Ps=100，教學因子最大值TFmax=2，最小值TFmin=1，迭代次數500次，所得最優個體的成績即為施工系統可靠性的最優分配方案。如表5所示。

同時與用遺傳算法求解出的結果進行對比分析，可以看出，改進后的教學算法計算所得的子系統可靠度基本均優于遺傳算法所得結果，依據施工系統可靠性原理算出系統可靠度以及系統成本，對比顯示，ITLBO算法的系統成本較低且具有較優的系統可靠度。

4 結束語

施工系統可靠性的優化分配問題對于工程的實際管理和質量保障具有重要意義。本文利用施工系統可靠性的計算方法，以裝配式建筑施工過程為例，采用新穎的TLBO算法，通過引入信息熵改進教學因子，克服了基本教學算法在解決高維復雜問題時易失去種群多樣性和陷入局部最優的缺點，且與已有算例相比具有較高的收斂速度和更精確的最優解。同時也拓寬了教學算法在工程領域方面的應用，促進了施工可靠性在工程管理過程中的發展，為大型建筑工程的可靠性保障提供了有力的理論支持。

參考文獻：

[1]鄧鐵軍.結構工程施工系統可靠性理論方法及其應用的研究[D].長沙：湖南大學，2007.

[2]阮旻智，李慶民，王紅軍.人工免疫粒子群算法在系統可靠性優化中的應用[J].控制理論與應用，2010，27（9）：1253-1258.

[3]趙平，吳昊.差分進化混合粒子群算法求解裝配式住宅項目進度優化問題[J].計算機工程與科學，2016，38（7）：1495-1501.

[4]RAO R V，SAVSANI V J，VAKHARIA D P.Teaching-learning based optimization： a novel method for constrained mechanical design optimization problems[J]. Computer-Aided Design，2011，43（3）：303-315.

[5]Rao R V， Patel V. Multi-objective optimization of heat exchangers usinga modified Teaching-learning-based optimization algorithm[J]. Applied Mathematical Modeling， 2013， 37（3） ： 1147-1162.

[6]RAO R V， Patel V.Multi-objective optimization of two stage thermoelectric coolers using a modified teaching-learning-based optimization algorithm [J]. Engineering Applications of Artificial Intelligence， 2013， 26（1） ： 430-445.

[7]RAO R V，PATEL V.An elitist teaching-learning-based optimization algorithm for solving complex constrained optimization problems[J].International Journal of Industrial Engineering Computations，2012，3（4）：535-560.

[8]TOGAN V. Design of planar steel frames using teaching-learning based optimization[J].Engineering Structures，2012，34（1） ：225-232.

[9]Tayfun Dede.Application of Teaching-Learning-based on Optimization Algorithm for the Discrete Optimization of Truss Structures[J].Structural Engineering，2014，18（6）：1759-1767.

[10]W Cheng，F Liu，L J Li. Size and geometry optimization of trusses using teaching-learning-based optimization[J].International Journal of Optimization in Civil engineering，2013，3（3）：431-444.