基于遗传算法的装配式建筑成本优化.pdf

LOW CARBON WORLD 2023/7基于遗传算法的装配式建筑成本优化蓝筱晟1袁刘洪峰2（1.中国交通建设股份有限公司，重庆 401147；2.重庆科技学院建筑工程学院，重庆 401331）【摘要】为解决装配式建筑成本管理存在的问题袁研究装配式建筑特点以及遗传算法的原理尧过程和适用性遥 在此基础上袁重点分析装配式建筑成本优化工作中遗传算法的具体应用袁进而有效提高建筑成本管理效果袁以期为相关人员提供参考遥【关键词】遗传算法曰装配式建筑曰成本优化【中图分类号】TU7【文献标识码】A【文章编号】2095-2066（2023）07-0172-030 引言对于大型建筑项目而言，采用传统的施工方式有着明显的缺陷，如施工周期较长、工程质量难以保证、劳动力成本高、施工现场环境较差等。为此，要改进传统的施工方式。装配式建筑顺应了时代发展的要求，具有标准化、预制化的施工特点，通常采用建筑信息模型（building information modeling,BIM）技术开展深化设计工作，该技术有助于提高后期信息化管理效率，避免出现设计缺陷，控制后期维护成本。采用装配式施工方式能够有效提升施工效率，缩短混凝土浇筑、养护等环节中所需时间。1 装配式建筑特点分析1.1 建造速度快当设计单位完成设计之后，需要把设计图纸发送到预制厂进行预制件生产，生产完毕后，再将其搬运到施工现场，并按照设计要求直接安装。装配式建筑的施工过程方便、快捷，能够缩短人工支模、钢筋绑扎以及混凝土浇筑、养护等环节所需时间，显著提升建造速度。另外，如果室内使用装修一体化方式，可进一步缩短施工工期。平均 56 d 就可完成一层建筑的施工1。1.2 工厂预制化装配式建筑中所用的大部分预制件主要在预制厂内生产，有利于各类原材料的统一供应，且有助于标准化生产管理。同时，采用预制件能够减小现浇期间出现的施工误差。采用现浇施工方式，误差通常在厘米级，而采用装配式施工方式，可以将误差控制在3 mm 内。需要注意的是，预制件表面有着良好的平整度，其精度可以控制在 0.1%内。结合现有的工程数据可知，如果外墙使用传统的施工方式，其质量保证率仅为 66%左右，但如果使用装配式生产方式，其质量保证率可以达到 93%。因此，采用工厂化预制的方式，有助于严格把控预制件精度、质量，还可以有效防止渗漏、开裂等问题的发生。1.3 施工技术安全性高装配式建筑的大部分预制件由预制厂生产，再运至施工现场进行拼装，连接点主要采用现浇或螺栓的连接方式，随后，使用高强度水泥砂浆进行灌浆，结束建筑的主体施工工作。由于预制件制作主要使用机械化生产方式，因此，可以降低作业的风险尤其是高空作业，大大提升施工期间的安全性。1.4 设计流程复杂尧内容较多在开展装配式建筑的前期设计与策划工作时，需要业主、设计单位、施工单位、预制厂等部门人员共同参与，结合工程的实际情况，合理选择建筑的预制率、装配率等参数。同时，合理选择预制件的类别、尺寸等参数。对于设计人员而言，要充分了解项目的背景，并综合各类因素做好预制件预制率的计算与分析。具体计算环节中，还要兼顾建筑工程的成本等要素。在进行框架结构建筑的设计时，需要参考装配式建筑的设计规范，对项目开展初步设计2。上述工作结束后，还要拆分与优化各类构件，并且要控制施工成本。2 遗传算法原理与过程研究2.1 遗传算法原理遗传算法本质上是一种概率搜索算法，在自然环境中存在着优胜劣汰与适者生存的特点，遗传算法正是模拟生物遗传与进化过程的一种算法。在设计算法时，需要密切结合自然遗传学知识与计算机科学等方面的知识。同时，在遗传算法中，需要使用低碳经济172LOW CARBON WORLD 2023/7一些生物学方面的语言。在产生原始种群后，通过采用逐代演化的方式，能够得到更加精确的近似解。经过复杂的计算并对末代个体做出解码后，就可以得出问题解决的最优解。2.2 遗传算法过程遗传算法过程如下：淤结合拟解决的问题创建数学模型，并对其进行简化与优化。同时，还要明确所使用的编码方式，确定最终的目标函数。于合理选择携带信息模型的染色体，开展相关的编码工作。在此基础上，明确基因选择以及交叉、变异的编码。盂开展遗传算法运算工作，结合算法具体情况，对染色体做出判断。如果可以满足要求，就可以输出最优结果；如果不满足要求，则要进一步筛选出符合要求的个体，并对其开展交叉、变异等操作，进而产生新的个体。榆针对新产生的个体开展筛选工作，及时淘汰那些不满足具体要求的个体。通过反复进行此类操作，就可筛选出符合要求的个体。在此基础上进行解码操作，最终可得出相应的结果。2.3 遗传算法优劣势分析从遗传算法的具体情况来看，主要具有以下 3 个方面的优点：淤可以快速搜索到有用的信息。于算法计算过程相对简单，对计算机没有较高的硬件要求。且经过筛选之后的数据，通常更加满足要求。盂遗传算法有着良好的适用性，尤其在工程、健康以及机械制造等众多领域，都有着广泛的应用3。遗传算法也有着一定的缺点。例如，就编码过程相对复杂的遗传算法而言，当数学模型建立之后，后期需要对其展开编码，一旦出现编码错误的问题，将无法得出最优解。2.4 遗传算法的适用性分析遗传算法的适用性主要包括以下 3 个方面：淤组合优化。随着问题种类、数量的不断增加，使用遗传算法进行问题的求解已经成为有效途径之一。在开展搜索工作期间，其可以自动获取相关知识，同时可以自适应地进行搜索过程的有效控制。鉴于此，遗传算法被广泛应用于商旅、局部优化以及装箱等相关问题的优化。于函数优化。遗传算法在函数处理方面有着明显的优势，如连续函数、确定函数以及离散函数等方面。盂生产调度。在解决生产调度类问题时，通常很难通过常规方式计算与求解出结果，且在一些情况下，求解结果也很难应用于实际的生产调度工作中，因此，需要借助工厂调度人员的实际经验展开相关的生产调度。通过应用遗传算法，可以实现流水线的生产调度以及任务分配等计算，还可解决生产规划等环节遇到的问题。3 装配式建筑成本优化过程中遗传算法的应用为提高装配式建筑施工成本控制水平，加强对遗传算法的应用，通过采用定量化的最优化搜索计算方法，既能够全面考虑各类影响因素，还能实现各类资源的优化配置。鉴于此，本文通过使用遗传最优化方法，对施工环境、预制件成本以及施工成本等因素做出综合考虑后，基于施工现场的技术水平、组织管理方式等因素，加强对装配式建筑施工期间的成本优化与成本管控。影响装配式建筑预制件成本的因素主要包括材料费、人工费用、模具成本等。在开展装配式建筑的施工时，由于预制件的种类较多，且模具以钢制模具为主，模具尺寸具有不可伸缩的特性。在开展预制件的制造工作时，需要调整模具的尺寸，因此预制件的通用性一般，如果预制件的设计、制作等环节出现错误，有可能引发窝工等问题。此外，预制和现浇施工采用的施工方式不同，因而两者在建造成本方面存在较大的差异。为有效降低预制件的建造成本，应当从预制件方面入手，做好预制件的分析、计算与优化工作，还要分析预制件制造过程中混凝土、受力钢筋与箍筋等材料的使用情况，进而减少对各类材料的消耗，加强对预制件制造成本的控制4。3.1 建立装配式建筑施工成本控制系统在施工阶段中，装配式建筑的成本控制受到众多因素的影响，如建筑结构、施工环境、施工人员素养以及施工技术成熟度、组织管理等因素。现阶段，在开展装配式建筑的具体施工工作时，应重点加强对人工费、材料费以及机械费的管控，并做好利润、税金以及管理费等方面的管控工作。具体实践工作中，装配式建筑的施工工序较为复杂，并且管理难度较大，因而成本计算结果有着一定的离散性。此外，机械地套用施工图纸、过度依赖以往的经验，经常导致无法准确测算施工成本。因此，在建立装配式建筑施工成本控制系统时，应当从宏观层面优选主控因素，在微观层面做好个体单元的控制，并结合工程的实际情况，加强成本分析5。经过综合考虑与分析，确定影响施工成本的5 个低碳经济173LOW CARBON WORLD 2023/7主控因素，其中包括建筑结构、施工环境、施工人员素质、技术程度以及组织管理。此外，装配式建筑施工成本控制系统主要包括人工费、材料费、机械费、管理费、利润以及税金。同时，还需要对系统开展定量化搜索，并进行优化遗传计算。在此期间，可以使用的方法有挣值法、价值系数法等。3.2 搜索装配式建筑成本主控因素对于装配式建筑而言，在应用遗传算法管控施工成本时，首先，要确定成本主控因素所构成的种群，其中包括上文提到的 5 个因素。在此基础上，需要创建成本适应度函数获得适应度值。其次，开展选择、交叉与变异遗传等操作，能够输出最优成本控制个体，进而结束遗传计算。3.2.1 构建适应度首先，结合装配式建筑特点，将成本主控因素作为主要分析目标，并把装配式建筑施工成本控制系统作为种群开展优化工作。上述工作结束后，需要考虑成本主控因素和定额之间的差值，并将其设为目标函数。其次，进行目标函数值的求解，对基于成本主控因素的最小目标函数值进行计算。其中，适应度函数如下：f（x）=f（xi）-Ij。（1）式中：f（xi）成本主控因素的适应度函数，i=1、2、3、4、5；Ij相应适应度函数的限值，j=1、2、3、4、5。5个成本主控因素为建筑结构、施工环境、施工人员素质、技术程度、组织管理。3.2.2 遗传选择遗传选择通常采用的是比例选择方法，具体选择期间，需要淘汰适应度值较大、不稳定的成本主控因素，具体步骤如下。步骤 1：开展概率计算，计算公式如下：pm=mi=1移f（xi）Nm=1移f（xm）。（2）式中：pm成本主控因素概率；f（xi）、f（xm）适应度函数值，i=1，2，3，N。步骤 2：在闭区间0，1的内部，随机选择一个数q，如果满足 pm-1qpm，则选择第 m 个成本主控因素xm，其中 1臆m臆N。步骤 3：通过重复上述步骤 1、步骤 2，共进行N 次，就可以得到 N 个复制的成本主控因素。3.2.3 遗传交叉对成本个体开展编码工作，之后拟用多点交叉的方式，通过一次性对成本中不同个体所编码的多个点开展交叉操作，能够降低编码长度与参数编码间存在的误差。3.2.4 遗传变异为实现全局收敛的目标，需要对变异概率取一小值。通过采用实值变异方法，可以计算变异算子：x忆=x依0.2y驻。（3）式中：y成本变量的取值范围；x变异前的值；x忆变异后的值；驻变异算子。4 结语针对装配式建筑施工的实际条件，通过分析其赋存条件与施工流程，建立了包含 5 个因素的装配式建筑施工成本控制系统，分别为建筑结构、施工环境、施工人员素质、技术程度以及组织管理。在复杂施工条件下，该成本控制系统可以实现对装配式建筑施工成本的有效优化与合理管控。结合遗传全局优化算法的具体适用条件，创建相应的遗传算法，并将其应用到装配式建筑成本控制的计算中，得到了装配式建筑成本控制措施，其中，建筑结构与组织管理处于主体地位。通过分析可以发现，遗传算法可以开展定量计算，计算结果可为成本控制提供宝贵参考。参考文献1 中华人民共和国住房和城乡建设部，中华人民共和国国家质量监督检验检疫总局.装配式混凝土建筑技术标准：GB/T 512312016S.北京.中国建筑工业出版社，2017.2 中华人民共和国住房和城乡建设部，中华人民共和国国家质量监督检验检疫总局.装配式钢结构建筑技术标准：GB/T 512322016S.北京.中国建筑工业出版社，2017.3 玄光男，程润伟.遗传算法与工程优化M.北京：清华大学出版社，2004：162-166.4 刘露旭，遗传算法在建筑结构优化设计中的应用D.锦州：辽宁工业大学，2015.5 谢静文.装配式建筑成本优化对策分析J.财讯，2019（34）：183.作者简介院蓝筱晟（1975），男，汉族，重庆人，硕士研究生，正高级经济师，主要从事投资决策及项目管理工作。刘洪峰（1978），女，汉族，重庆人，博士研究生，教授，研究方向为工程造价、工程经济。低碳经济174