《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》
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]。
图表编号 | XD00140203200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 马聪聪、顾伟红 |
绘制单位 | 兰州交通大学土木工程学院、兰州交通大学土木工程学院 |
更多格式 | 高清、无水印(增值服务) |