论文部分内容阅读
施工现场设施动态布局工作的科学性和合理性直接关系到项目成本等目标的实现。目前对施工现场设施动态布局优化问题的研究多通过启发式算法进行，但启发式算法具有随机性，其每次运行获得的最优解不一定相同(不稳定)，现有启发式算法在全局最优解获取的稳定性上仍有较大的改进空间。
本文根据现代工程项目的实际背景和意义提出了施工现场设施动态布局优化的重要性，通过对问题国内外研究现状的分析，提出了应用新型启发式算法来稳定高效地解决施工现场设施动态布局优化问题。针对涉及设施较多的施工现场设施布局优化问题，本文首先将该离散型变量优化问题转换为高维空间的随机抽样问题，进而利用过渡马尔可夫链蒙特卡罗方法的思想，提出了一种稳定高效的全局优化启发式算法。与针对连续型高维概率密度分布函数进行随机取样的原始过渡马尔可夫链蒙特卡罗方法相比，本文提出的新型启发式算法的框架基础需从概率密度分布函数转变为概率分布函数，进而需在马尔可夫链状态点的产生方法上进行修正，以适应离散型变量优化问题的不同特性。文章的具体研究内容及结论如下：
(1)对施工现场设施动态布局进行了系统分析，介绍了施工现场设施动态布局的依据与原则、设施布局的范围及内容和设施动态布局方法；阐明了临时设施在不同施工阶段的动态布置特点，为下文中建立数学模型及提出针对该问题的新型启发式算法奠定了基础。
(2)根据施工现场设施动态布局优化问题的基本假定，对影响该优化问题的约束条件和目标函数进行分析，并以二次集合覆盖问题模型为基础建立了施工现场设施动态布局优化问题的数学模型。
(3)对施工现场设施动态布局问题的常见优化方法进行了分析，结合常见优化算法存在优化结果不稳定、搜索效率低的缺点，对过渡马尔可夫链蒙特卡罗方法进行相应改进，提出了针对施工现场设施动态布局优化问题的新型启发式算法；并设计了新型启发式算法处理该优化问题的详细步骤。
(4)将新型启发式算法应用于一个典型实际案例进行验证分析，并将其与遗传算法的优化结果进行对比。结果显示，通过本文提出的新型启发式算法优化后设施动态布局方案的目标函数相较于优化前产生了显著降低；与目前应用较广的遗传算法相比，新型启发式算法在全局最优解的获取稳定性上有较大改进。
文章率先提出利用基于过渡马尔可夫链蒙特卡罗方法的新型启发式算法来解决施工现场设施动态布局优化问题，对研究过程中得出的结论做了详细的总结，并对新型启发式算法在施工现场设施动态布局优化问题领域的未来做了些许展望，对类似的施工现场设施动态布局优化问题具有一定的参考借鉴意义。
本文根据现代工程项目的实际背景和意义提出了施工现场设施动态布局优化的重要性，通过对问题国内外研究现状的分析，提出了应用新型启发式算法来稳定高效地解决施工现场设施动态布局优化问题。针对涉及设施较多的施工现场设施布局优化问题，本文首先将该离散型变量优化问题转换为高维空间的随机抽样问题，进而利用过渡马尔可夫链蒙特卡罗方法的思想，提出了一种稳定高效的全局优化启发式算法。与针对连续型高维概率密度分布函数进行随机取样的原始过渡马尔可夫链蒙特卡罗方法相比，本文提出的新型启发式算法的框架基础需从概率密度分布函数转变为概率分布函数，进而需在马尔可夫链状态点的产生方法上进行修正，以适应离散型变量优化问题的不同特性。文章的具体研究内容及结论如下：
(1)对施工现场设施动态布局进行了系统分析，介绍了施工现场设施动态布局的依据与原则、设施布局的范围及内容和设施动态布局方法；阐明了临时设施在不同施工阶段的动态布置特点，为下文中建立数学模型及提出针对该问题的新型启发式算法奠定了基础。
(2)根据施工现场设施动态布局优化问题的基本假定，对影响该优化问题的约束条件和目标函数进行分析，并以二次集合覆盖问题模型为基础建立了施工现场设施动态布局优化问题的数学模型。
(3)对施工现场设施动态布局问题的常见优化方法进行了分析，结合常见优化算法存在优化结果不稳定、搜索效率低的缺点，对过渡马尔可夫链蒙特卡罗方法进行相应改进，提出了针对施工现场设施动态布局优化问题的新型启发式算法；并设计了新型启发式算法处理该优化问题的详细步骤。
(4)将新型启发式算法应用于一个典型实际案例进行验证分析，并将其与遗传算法的优化结果进行对比。结果显示，通过本文提出的新型启发式算法优化后设施动态布局方案的目标函数相较于优化前产生了显著降低；与目前应用较广的遗传算法相比，新型启发式算法在全局最优解的获取稳定性上有较大改进。
文章率先提出利用基于过渡马尔可夫链蒙特卡罗方法的新型启发式算法来解决施工现场设施动态布局优化问题，对研究过程中得出的结论做了详细的总结，并对新型启发式算法在施工现场设施动态布局优化问题领域的未来做了些许展望，对类似的施工现场设施动态布局优化问题具有一定的参考借鉴意义。