《表3 方案比较：基于改进遗传算法的工程项目多目标综合优化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进遗传算法的工程项目多目标综合优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在经过matlab软件多次运行后，得到T-C-Q优化模型的最优pareto解三维散点图（图2），以及用线性插值方法将改进遗传算法最优pareto解集拟合成的三维曲面图（图3）。通过比较基本遗传算法和改进遗传算法的最优pareto解三维散点图可以看出，融合改进的遗传算法和基本遗传算法皆可得到最优pareto解，但是融合改进的遗传算法的局部搜索能力和收敛速度有了明显提高。两种算法优化后所得的施工工序方案见表3。由于决策者在实际施工项目中需要考虑众多因素，因此对工期、成本、质量的侧重不同，决策者可根据自己的需要从pareto解集中选取最佳方案。若决策者想要成本和质量最优，工期次之，可选择方案2，即各施工工序选择的施工组织方式为[1，2，1，3，2，3，1，3，1，2，1，2，2，1]，相对应的工期、成本和质量为[515，8938，82.83]。