考慮學習效應的重復性項目多目標均衡優(yōu)化研究.pdf

1、工程項目多目標均衡優(yōu)化研究一直是國內外學者研究的重點和難點。隨著地鐵項目、高速公路、高層建筑等重復性項目的大量涌現(xiàn)，其優(yōu)化研究更值得關注。重復性項目工作在單元間重復、同質性手工操作多的特點，決定了其存在學習效應的基本條件；而目前國內在建筑施工領域中較少見到考慮并利用學習效應的研究。本文在重復性項目的多目標均衡優(yōu)化中考慮了學習效應對各目標的影響，建立了考慮學習效應的重復性項目多目標均衡優(yōu)化模型，主要研究工作如下：
　　（1）歸納總結

2、了工作存在學習效應的必要條件，結合中國工程實際收集了11個現(xiàn)場的相關數(shù)據(jù)，開展了學習效應實證研究。首先通過數(shù)據(jù)分析佐證了中國建筑施工中的確存在學習效應，利用SPSS22.0軟件計算了各工作的學習率；進一步運用Origin9.0軟件確定出呈下降階段和穩(wěn)定階段的學習曲線圖，創(chuàng)新性地提出了兩階段學習曲線模型，并利用相關系數(shù)、預測誤差、配對樣本T檢驗P值等指標驗證了模型在工時預測性能等方面的顯著優(yōu)越性。
　　（2）明確了重復性項目在考慮學

3、習效應下的工期計算公式以及工期-成本、工期-質量函數(shù)關系式，構建了考慮學習效應的重復性項目多目標均衡優(yōu)化模型。該模型表明學習效應的顯現(xiàn)會給各目標同時帶來積極和消極影響，從理論上揭示了學習效應是一把雙刃劍，實際應用中不能通過一味地凸顯學習效應來提高各目標水平，而要考慮學習效應對各目標產生的綜合影響。
　?。?）將遺傳算法中的隨機變異操作引入自適應網格粒子群算法，提出了改進的自適應網格粒子群算法求解多目標均衡優(yōu)化模型，解決了自適應網格

4、粒子群算法容易“早熟”、種群多樣性差的不足，并通過多目標標準測試函數(shù)仿真，驗證了算法在收斂性和分布性上的優(yōu)越性。
　　（4）以重慶市某高層項目為例，對本文提出的多目標均衡優(yōu)化模型和改進算法進行了應用研究，驗證了模型和算法的合理性和可操作性?？紤]學習效應與不考慮學習效應兩種情形下的模型計算結果有明顯差異，表明了重復性項目多目標均衡優(yōu)化中應適當考慮學習效應的影響，并通過實際案例分析了學習效應雙刃劍特性的具體表現(xiàn)。
　　本文通過理