《表3 工序持续时间tni与ti的对比》

  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BIM和遗传算法的网架工程施工进度-费用优化研究》

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

d

采用遗传算法求解，并利用Matlab进行程序编写，具体设置如下:种群规模P取50，最大迭代次数G=50，为保证种群多样性，采用两点交叉重组方法，交叉概率PC取0.9，变异概率Pm取0.1。为验证该算法计算结果的收敛性，在Matlab编程中，使用Trace函数追踪每代种群的最优解及均值。运行程序，得到各迭代数次下种群的最优解及均值（见图8），可以看到，计算运行结果的收敛性良好，经过35次迭代后，种群最优解达到极小值，此时，项目C为152.6万元，最优解下每道工序持续时间ti与正常持续时间tni取值对比如表3所示，可以看出，在遗传算法优化中，每次被压缩持续时间的工序均为关键路线中的工序，非关键路线工序由于不影响总工期T，为控制成本，遗传算法优化中未进行压缩，该计算结果表明遗传算法搜索最优解的方法符合工程实际，所得结果真实可靠。第50代种群中的部分个体如表4所示，工程师可根据项目情况做出选择。