改进的蚁群算法及其在桁架结构优化中的应用

蚁群算法是优化领域中的一种新型模拟进化算法,具有很强的搜索较优解的能力,其缺点是搜索时间长、容易出现停滞现象。引用局部搜索能力较强的模拟退火算法对其改进,使其跳出局部最优,发现更高质量解。并将其成功应用在25杆桁架中,结果表明,基于模拟退火的改进蚁群算法是有效可行的,是解决组合优化问题的有效方法。     

基于蚁群算法的施工项目成本优化

将建设工程项目的施工过程看成一个复杂的网络系统,用系统可靠性理论与方法研究工程项目的施工系统可靠性,运用蚁群算法对施工网络系统中的各个工作单元的可靠度进行优化分配,进而求出整个工程项目的成本,解决可靠性约束下的成本优化问题。最后,通过工程实例证明该方法的可行性,并和遗传算法的计算结果进行比较,结果表明蚁群算法在求解施工成本优化问题方面更具优越性,为建设工程项目管理提供了一种新思路。     

基于多种群蚁群粒子群融合算法的工程项目多目标优化研究

为解决工程项目集成化管理中存在的问题,提出多种群蚁群粒子群融合算法,并结合某地铁工程实例对该算法进行实证研究。根据求解效果分析得出结论,这一算法在解决多目标共同优化问题时比基本蚁群算法得到的帕累托解集更多,可以应用于施工项目集成化管理。     

基于改进蚁群算法在集装箱码头泊位优化中的应用

探讨了蚁群算法在码头泊位优化中的应用问题。以一定时间内所有船舶在港总时间最短作为优化目标,建立泊位优化配置模型。在求解中,利用改进蚁群算法确定了停靠在每个泊位上船舶的作业顺序。然后,在实例场景与最初的先到先服务算法相比,改进的多态蚁群算法在停港时间上有较大的提高。     

资源有限下的公共建设项目进度优化研究--基于改进的蚁群优化算法

进度优化是施工项目计划的一个重要方面,文章提出了运用改进的蚁群优化算法来解决资源有限下的公共建设项目的进度优化问题,通过对西安北客站的实例的分析,进一步验证了蚁群优化算法对进度优化问题的求解具有普遍适用性。     

基于蚁群算法的土石坝土体参数反演

介绍了新近为求解复杂组合优化问题而提出的蚁群算法。将蚁群算法运用于土石坝土体参数反演问题的求解:先对反演参数的搜索空间进行离散,将参数反演问题转化成一个组合优化问题;再针对土体参数反演问题的特点,改进蚁群算法,并将其用于土体参数的反演计算。算例表明,改进蚁群算法可有效求解土石坝土体参数反演问题。     

基于免疫连续蚁群算法的岩土工程反分析研究

基于进化算法等全局优化算法的岩土工程优化反分析是解决实际问题的一种较好的思路,但计算效率是这类算法的最大问题。为了克服这种反分析方法的缺点,提高反分析的计算效率,首次把一种新型仿生算法——连续蚁群算法引入岩土工程领域。并为了更进一步提高算法的效率,把免疫原理引入连续蚁群算法,提出了免疫连续蚁群新算法。在此基础上,结合有限元数值分析技术,提出了一种新的岩土工程反分析算法——免疫连续蚁群算法反分析。最后,通过一个简单算例验证了该法的有效性及卓越的计算效率。     

基于改进粒子群算法的施工可靠度优化

针对建筑工程施工管理过程中目标控制失衡、不全面的问题,提出一种基于施工可靠度的建筑工程项目多目标优化方法。将施工期的建筑工程项目抽象为一个串–并联复杂网络并引入可靠度理论。分析管控建筑工程项目工期、成本、质量和安全四个目标的必要性,建立四大目标可靠度定量模型并提出了新的施工可靠度计量模型。采用Tanh函数改善粒子群算法的搜索能力,通过实验仿真和统计分析表明,改进后粒子群算法的优化能力显著提高。最后运用改进的粒子群算法优化施工可靠度及工程成本。实际案例分析表明,所提出的方法既有利于工程成本的有效控制,又有利于施工可靠度的提升,对实施建筑工程项目的事前控制有较好的借鉴价值并且为施工管理提供了一条新的思路。     

基于蚁群算法优化工程项目中的工期——成本

当前我国建筑业的总体水平较发达国家相对落后,存在较大差距,如施工技术落后、施工规范不合理、建筑市场过于饱和等。尤其是在施工阶段经常面临工期延长、总造价过高、质量差等问题,这些问题严重影响到企业经济效益的提高,因此如何有效地进行工程施工组织设计,从而控制施工进度和降低成本,成为摆在众多建筑施工单位面前的一个重要问题。针对上述问题,文章提出一种适用于施工工程的多目标工期-成本的蚁群算法。以工程实例对该算法进行验证,表明蚁群算法在工期成本优化方面具有显著效果,为施工管理者进行最优方案选择提供了强有力的手段。     

大型洞室群稳定性与优化的综合集成智能方法研究

大型地下洞室群的稳定性分析及优化研究是当前水电开发中亟待解决的重大课题。由于地下洞室群的布局和所处的地质环境的复杂性，导致许多优化问题都是复杂的非线性问题，通常有多个决策变量，且其结构布置和施工顺序的全局最优解通常难以快速获得。以有限元分析为基础，综合应用遗传算法、人工智能、神经网络理论以及并行计算方法，提出综合集成智能优化方法，并用于水布垭地下厂房软岩置换方案优化和软岩力学参数对洞室群稳定性的影响分析，完成了以下工作：（1)根据大型洞室群具有多因素影响和多指标评价的特点，提出了多因素综合指标的洞室结构布置和施工顺序的适应性判别准则。(2)鉴于大型洞室群的开挖优化是多种方案的组合优化问题，提出了改进的进化．神经网络的智能化学习算法，解决了神经网络的隐含层结构和学习参数(如学习率和动量项)的最优确定。(3)将有限元方法嵌入智能化搜索算法，提出了大型洞室群优化的二维或三维进化．有限元方法，从而解决了大规模优化问题。(4)将上述的进化．有限元方法和神经网络、并行计算有机结合，提出了大型洞室群优化的并行进化神经网络有限元方法。该方法使得大规模软岩置换方案优化问题在PC机群上实现了并行求解，提高了计算速度、规模和精度，并具有快速收敛到全局最优解的优势。(5)将提出的进化．有限元方法应用于水布垭地下厂房软岩置换的优化和稳定性分析研究，得到了最优的软岩置换范围。(6)将并行进化神经网络有限元方法应用于水布垭地下厂房周围软岩置换范围和置换顺序的优化研究，获得了最优解。通过对最优解的有限元计算结果分析，表明该方法得到的最优方案是合理的。(7)在工程设计单位给定的范围内，采用并行进化神经网络有限元方法对水布垭地下厂房周围软岩的力学参数对厂房的稳定性影响进行了分析，搜索了对围岩稳定性最不利的一组参数组合，并对软岩的力学参数进行了敏感性分析，确定出关键岩层和重点支护部位。     

脆弱性视角下的城市综合管廊路径优化模型

城市地下综合管廊是实现地下空间资源可持续发展的重要措施之一,大规模敷设综合管廊使之形成管廊网络势在必行,而综合管廊路径规划对综合管廊网络形成至关重要。本文在脆弱性视角下对城市地下综合管廊路径规划进行定量研究。首先基于地质脆弱性与脆弱路段内涵,建立地质脆弱性与脆弱路段评价指标体系与评价模型;其次,以地质脆弱性与脆弱路段等作为约束条件,建立多约束最短路径优化模型,并对基本蚁群算法进行改进求解;最后用不同方法对同一工程实例进行综合管廊路径优化。研究结果表明,脆弱性视角下的多约束路径优化模型计算过程简单、实用性强,且更符合工程实际,为城市地下综合管廊规划提供了新视角和新方法。     

基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。     

Cost–safety trade-off in unequal-area construction site layout planning

Cost and safety are two key elements when designing a good construction site layout planning (CSLP). Previous research works always considered CSLP from the aspect of reducing cost and treated SCLP as a single objective optimization problem. In the paper, CSLP was designed by a multi-objective optimization (MOO) model using modified Pareto-based ant colony optimization (ACO) algorithm, which could find a Pareto solution (trade-off layout) to fulfill the requirement of reducing cost and improve the site safety level simultaneously. Furthermore, in order to apply MOO model to solve unequal-area problem, the random grids-recognition strategy was employed in the proposed MOO model to solve the unequal-area site layout problems without increasing the computational complexities. A case study of a residential building project is used to validate the proposed MOO model and the results are very positive.     

A decision-making system for construction site layout planning

A decision-making system, which consists of input, design, evaluation and selection, and output stages, is proposed to solve dynamic, multi-objective and unequal-area construction site layout planning (CSLP) problem. In the input stage, the multiple objectives, schedule planning and site condition are determined. In the design stage, two mathematical optimization models max-min ant system (MMAS) and modified Pareto-based ant colony optimization (ACO) algorithm are employed to solve single objective optimization (SOO) and multi-objective optimization (MOO) problem respectively. In the evaluation and selection stage, the intuitionistic fuzzy TOPSIS method is used to evaluate and select the best layout plan among the generated layout alternatives from the design stage. The performance of the proposed decision-making system, which was verified by a residential building project, shall assist the practitioners in the construction industry to deliver construction projects in a more efficient and effective manner, and thus construction costs could be reduced significantly.     

基于蚁群算法的排水管道系统优化设计

引入一种新的优化设计方法——蚁群算法，并将该法应用于排水管道系统的优化设计。通过实例说明了蚁群算法的设计过程，并与遗传算法进行了比较，结果表明蚁群算法在给排水管网设计中有较为广阔的应用前景。     

路基施工优化设计的实践

对施工中遇到的避让地下光缆、桥梁扩孔、局部挖方路段边沟处置和地下涌泉等问题进行了分析，提出了解决以上问题的方案，总结归纳了影响施工的因素，指出应综合考虑各种影响因素，合理进行变更和优化设计，以达到确保工程质量、控制工程成本的目的。     

Dynamic construction site layout planning using max-min ant system

Construction site layout planning (CSLP) is a dynamic multi-objective optimization (MOO) problem as there are different facilities employed in the different construction phases of a construction project. In this study, a new method using continuous dynamic searching scheme to guide the max-min ant system (MMAS) algorithm, which is one of the ant colony optimization (ACO) algorithms, to solve the dynamic CSLP problem under the two congruent objective functions of minimizing safety concerns and reducing construction cost is proposed. Using weighted sum method the MOO problem can be solved by the proposed MMAS method. An office building case was used to verify the capability of the proposed method to solve dynamic CSLP problem and the results are promising. The approach could be benchmarked by researchers using other advanced optimization algorithms to solve the same problem or expand the applications to other fields.