基于MPC-NSGA-II的设施布置多目标优化决策方法、设备及存储介质

技术领域

本发明涉及建筑设计技术领域，具体涉及一种基于MPC-NSGA-II的设施布置多目标优化决策方法、设备及存储介质。

背景技术

建筑业是我国国民经济的支柱产业之一，对我国整体发展起着举足轻重的作用。改革开放以来，建筑业作为支柱产业的作用不断增强，我国逐渐从建筑大国迈向建筑强国。但随着建筑业的快速增长，伴随的是高污染、高能耗，以及远低于其他行业的生产率。

随着可持续发展理念的深入，国家开始大力推行装配式建筑。据国内外不同调查报告显示，相比于传统建筑，装配式建筑在施工效率、施工成本、绿色节能等方面有显著优势。在施工效率方面，预制构件在工厂加工后进行现场组装，减少了材料、工具的周转以及租赁费用，极大缩短了施工周期，部分类型建筑的施工速度提高了4～6倍；在施工成本方面，装配式建筑使用大量的成品和半成品构件进行安装施工，劳动强度大大降低，现场作业人员减少了30％以上，这也使得现场施工管理人员数量相应减少，从而降低了人工成本；在绿色节能方面，当住宅预制率达到37％时，相比于传统住宅，装配式建筑可减少80％的建筑垃圾，节约水资源36％，节电31％，同时材料消耗减少60％，受外界噪音干扰比传统住宅平均低8dB等。

虽然具有显著优势，但装配式建筑是典型的空间受限工程，其吊装设备和预制构件占用施工场地空间大，使得施工现场构配件堆场、生产及生活用房、道路等临时设施需求与场地面积受限的矛盾更加突出，这对施工平面布置提出了很大挑战。不合理的装配式建筑施工现场临时设施布置，将导致工作空间冲突、影响施工效率、延误工期，甚至导致安全事故。因此，在装配式建筑建造过程中，施工现场临时设施的合理布置显得尤为重要。

目前，针对施工现场临时设施布置优化问题，常用启发式算法获取最优解的搜索范围、计算效率。在启发式方法应用当中，常常基于遗传算法、粒子群算法和蚁群算法等方法，建立施工现场临时设施布置优化模型。NSGA-Ⅱ算法是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。但NSGA-II算法在施工现场临时设施布置的多约束、多目标优化问题上存在早熟、计算效率低等缺点。因此，亟须在此基础上进行改进优化，从而促使施工现场临时设施布置优化模型更加贴近实际应用。

发明内容

本发明的目的之一在于提供一种基于MPC-NSGA-II的设施布置多目标优化决策方法，解决现有技术NSGA-II算法在施工现场临时设施布置的多约束、多目标优化问题上存在早熟、计算效率低的问题，从而促使施工现场临时设施布置优化模型更加贴近实际应用。

为了达到上述目的，提供了一种基于MPC-NSGA-II的设施布置多目标优化决策方法，

S1、确立影响装配式建筑施工现场临时设施布置的若干重要影响因素，根据若干重要影响因素确定目标函数、约束条件；所述目标函数包括实现安全风险最小化的第一目标函数，经济效益最大化的第二目标函数，以及吊装时间最小化的第三目标函数；所述约束条件包括场地边界约束条件、设施重叠约束条件和塔吊覆盖约束条件；

S2、基于经典NSGA-II算法和约束条件设置多种群策略，引入种群POP-a和种群POP-b取代经典NSGA-II算法中的单一种群；

S3、将种群POP-a和种群POP-b分别作为父代种群并进行非支配排序；

S4、根据非支配排序结果对种群POP-a和种群POP-b进行种群的选择、交叉和变异，实现种群更新进化，得到子代种群POP-a和子代种群POP-b；合并父代种群POP-a以及子代种群POP-a，形成新种群POP-a；合并父代种群POP-b以及子代种群POP-b，形成新种群POP-b；

S5、将约束非支配排序取代经典NSGA-II算法中的非支配排序，并让新种群POP-a和新种群POP-b进行约束非支配排序；

S6、计算子代种群POP-a和子代种群POP-b中各个个体之间的拥挤程度；

S7、根据步骤S5和步骤S6分别从新种群POP-a和新种群POP-b中选择个体，得到下一代父代种群POP-a和下一代父代种群POP-b；

S8、引入移民算子，将下一代父代种群POP-a和下一代父代种群POP-b中的最优解替换掉对方种群的相对劣解，得到新父代种群POP-a和新父代种群POP-b；

S9、根据步骤S5和步骤S6分别从新父代种群POP-a和新父代种群POP-b中淘汰劣质解，并记录两个种群中出现的最优解，得到精英种群POP-c；

S10、循环步骤S4-S9，直至精英种群POP-c中最优个体数量保持不变的代数达到预设值，或者达到设定的最大迭代次数；

S11、输出精英种群POP-c，种群个体为施工现场临时设施布置的优化方案。

进一步，还包括以下步骤：

S12、采用信息熵+TOPSIS综合决策方法，对输出的施工现场临时设施布置优化方案进行评价，从而获得最佳方案。

进一步，所述约束条件的总体表达式为：

其中g

其中，设待布置的施工现场临时设施i的形心坐标为(x

所述设施重叠约束条件的计算公式如下：

施工设施i和施工设施j，两设施之间的规定防火距离为W

所述塔吊覆盖约束条件的计算公式如下：

其中，固定式塔式起重机的现场坐标为(x

进一步，所述第一目标函数的数学表达式为：

其中，H为危害传递矩阵，危害传递矩阵中的各个元素值代表着危害传递值的大小，H

所述第二目标函数的数学表达式为：

其中，C

所述第三目标函数最小化预制构件吊装时间的数学表达式为：

F

其中，T

进一步，所述步骤S2中设置多种群策略时，获取若干建筑施工现场临时设施布置的目标方案，判断是否满足对应的约束条件，若满足则成为可行解，若不满足，则为不可行解，并计算其约束违反值；接着再通过约束非支配排序进行排序，再进行种群个体的筛选；约束违反值的计算公式如下：

/>

CV(x)表示个体x的总约束违反值。

进一步，所述约束非支配排序中，当解X

a.X

b.X

c.X

f(x)为目标函数，

进一步，所述步骤S6中，通过Harmonic距离计算拥挤度距离，其表达式为：

其中，N为种群规模大小，d

进一步，所述步骤S12具体包括以下步骤：

S1201、获取m个待评价方案和n个评价指标，构建多属性决策矩阵B；

S1202、计算j评价指标对i方案的贡献度

S1203、计算各个评价指标的熵值

S1204、计算各个评价指标的熵权系数

S1205、根据步骤S1204重新构建多属性决策方案矩阵；

S1206、根据多属性决策方案矩阵构建规范化矩阵

/>

S1207、根据各个评价指标的熵权系数)构造权重规范化矩阵ω＝[ω

S1208、根据权重规范化矩阵构建规范化矩阵

S1209、确定理想解C

其中，

S1210、计算每个目标方案到理想解C

S1211、计算每个目标方案的理想解贴近度

本发明的目的之二在于提供一种设备，其特征在于，包括：存储器，用于存储可执行指令；处理器，用于执行所述可执行指令时实现如上述的基于MPC-NSGA-II的设施布置多目标优化决策方法。

本发明的目的之三在于提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于MPC-NSGA-II的设施布置多目标优化决策方法。

原理及优点：

1.提出了适用于多约束、多目标优化问题的MPC-NSGA-II算法。鉴于NSGA-II算法存在早熟、计算效率低下等缺点，通过引入多种群策略及移民算子，扩大了算法搜索范围，结合约束支配方法以及Harmonic距离，提出了适用于装配式建筑施工现场临时设施布置的MPC-NSGA-II多目标优化算法。

2.建立装配式建筑施工现场临时设施布置的多目标优化与决策模型。将MPC-NSGA-II算法与熵权—TOPSIS法相结合，通过MPC-NSGA-II算法生成若干优化布置方案，结合模型决策因素，采用熵权—TOPSIS法进行综合评价，从而输出最佳临时设施布置方案。

3.通过实际案例验证了MPC-NSGA-II算法与理论模型的有效性及合理性。将MPC-NSGA-II算法与经典NSGA-II算法的优化结果进行多维度对比，研究表明，针对该案例，MPC-NSGA-II算法的计算效率提高了3倍，最优解数量提高了1.6倍，且最优解质量更高。

附图说明

图1为本发明实施例基于MPC-NSGA-II的设施布置多目标优化决策方法的流程图；

图2为经典MPC-NSGA-II算法的流程图；

图3为装配式建筑施工现场临时设施布置模型结构图；

图4为种群初始化流程示意图；

图5为教学楼3D模型示意图；

图6为初始施工平面2D示意图；

图7为简化初始施工平面布置图；

图8为物流强度分级示意图；

图9为MPC-NSGA-II模型迭代结果示意图；

图10为四种帕累托最优解方案示意图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例

一种基于MPC-NSGA-II的设施布置多目标优化决策方法，基本如图1所示，包括以下步骤：

S1、确立影响装配式建筑施工现场临时设施布置的若干重要影响因素，如下表所示：

表1：装配式建筑施工现场临时设施布置影响因素汇总

/>

根据若干重要影响因素确定目标函数、约束条件(“自然条件”、“施工场地利用率”、“周边环境影响程度”、“噪音控制”、“财产保护”、“美学要求”剔除，剩余十个中的安全风险、经济效益、吊装时间这三个影响因素在装配式建筑施工现场临时设施布置过程中，需重点考虑，因此作为目标函数；空间冲突、员工舒适度、堆放合理性作为约束条件，其余影响因素纳入到决策因素当中)；所述目标函数包括实现安全风险最小化的第一目标函数，经济效益最大化的第二目标函数，以及吊装时间最小化的第三目标函数；所述约束条件包括场地边界约束条件、设施重叠约束条件和塔吊覆盖约束条件；

所述约束条件的总体表达式为：

其中g

所述场地边界约束条件的计算公式如下：

其中，设待布置的施工现场临时设施i的形心坐标为(x

所述设施重叠约束条件的计算公式如下：

施工设施i和施工设施j，两设施之间的规定防火距离为W

所述塔吊覆盖约束条件的计算公式如下：

其中，固定式塔式起重机的现场坐标为(x

约束条件汇总如下：

所述第一目标函数的数学表达式为：

其中，H为危害传递矩阵，危害传递矩阵中的各个元素值代表着危害传递值的大小，H

危害传递矩阵H中的各个元素值代表着危害传递值的大小。假定在项目施工期间，施工现场共有n个设施，故危害传递矩阵H的大小为n×n。为得出危害传递矩阵H，需事先对每个设施可能产生的危害进行等级划分。临时设施的危害尺度划分标准见表：

临时设施危害尺度划分表

根据事先划分的等级，可以确定危害传递矩阵H中的对角线元素，即：

危险源产生的危害随着距离的增加而产生衰减。因此，危害传递矩阵H的剩余元素h

当i＝j时，ρ＝0，当i≠j时，ρ＝1，d

根据上式可计算出危害传递矩阵H的所有元素值。接下来对危害传递矩阵进行归一化处理。

更新危害传递矩阵：

对于脆弱矩阵：

其中，h

风险交互值是危害传递矩阵与脆弱矩阵卷积相乘的结果，故风险交互矩阵R＝H

所述第二目标函数的数学表达式为：

其中，C

所述第三目标函数最小化预制构件吊装时间的数学表达式为：

F

其中，T

设固定式塔式起重机的位置为(x

1)吊钩水平运动时间T

径向移动时间：

切向移动时间：

水平行程时间：T

2)吊钩垂直运动时间

3)吊钩总行程时间

T

目标函数汇总如下：

S2、基于经典NSGA-II算法和约束条件设置多种群策略，引入种群POP-a和种群POP-b取代经典NSGA-II算法中的单一种群；获取施工现场的基本信息后，将场地西南角作为整个施工场地坐标系原点，并根据实际情况划分网格大小(通常为方形网格)，生成随机方案，确定固定设施坐标信息，得到若干施工现场临时设施布置方案。再根据约束条件进行筛选，得到若干基本符合要求的施工现场临时设施布置方案，并做为种群个体。本实施例中，如图1、图2、图3和图4所示，将经典NSGA-II算法的单一种群设置为种群POP-a和种群POP-b。

所述步骤S2中设置多种群策略时，获取若干建筑施工现场临时设施布置的目标方案，判断是否满足对应的约束条件，若满足则成为可行解，若不满足，则为不可行解，并计算其约束违反值；接着再通过约束非支配排序进行排序，再进行种群个体的筛选；约束违反值的计算公式如下：

CV(x)表示个体x的总约束违反值。使用约束违反值，用来定量描述一个解违反约束条件的程度。

对于目标函数为min{F

其中g

g

有上述内容可知，不等式的约束条件g

所述约束非支配排序中，当解X

a.X

b.X

c.X

f(x)为目标函数，

S3、将种群POP-a和种群POP-b分别作为父代种群并进行非支配排序；经典NSGA-II算法中，支配关系体现了种群内个体之间的相对优劣。

S4、根据非支配排序结果对种群POP-a和种群POP-b进行种群的选择、交叉和变异，实现种群更新进化，得到子代种群POP-a和子代种群POP-b；合并父代种群POP-a以及子代种群POP-a，形成新种群POP-a；合并父代种群POP-b以及子代种群POP-b，形成新种群POP-b；

S5、将约束非支配排序取代经典NSGA-II算法中的非支配排序，并让新种群POP-a和新种群POP-b进行约束非支配排序；

S6、计算子代种群POP-a和子代种群POP-b中各个个体之间的拥挤程度；所述步骤S6中，通过Harmonic距离计算拥挤度距离，其表达式为：

其中，N为种群规模大小，d

S7、根据步骤S5和步骤S6分别从新种群POP-a和新种群POP-b中选择个体，得到下一代父代种群POP-a和下一代父代种群POP-b；

S8、引入移民算子，将下一代父代种群POP-a和下一代父代种群POP-b中的最优解替换掉对方种群的相对劣解，得到新父代种群POP-a和新父代种群POP-b；

S9、根据步骤S5和步骤S6分别从新父代种群POP-a和新父代种群POP-b中淘汰劣质解，并记录两个种群中出现的最优解，得到精英种群POP-c；

S10、循环步骤S4-S9，直至精英种群POP-c中最优个体数量保持不变的代数达到预设值，或者达到设定的最大迭代次数；

S11、输出精英种群POP-c，种群个体为施工现场临时设施布置的优化方案。

S12、采用信息熵+TOPSIS综合决策方法，对输出的施工现场临时设施布置优化方案进行评价，从而获得最佳方案。

所述步骤S12具体包括以下步骤：

S1201、获取m个待评价方案和n个评价指标，构建多属性决策矩阵B；

/>

S1202、计算j评价指标对i方案的贡献度

S1203、计算各个评价指标的熵值

S1204、计算各个评价指标的熵权系数

S1205、根据步骤S1204重新构建多属性决策方案矩阵；

S1206、根据多属性决策方案矩阵构建规范化矩阵

S1207、根据各个评价指标的熵权系数)构造权重规范化矩阵ω＝[ω

S1208、根据权重规范化矩阵构建规范化矩阵

S1209、确定理想解C

其中，

S1210、计算每个目标方案到理想解C

S1211、计算每个目标方案的理想解贴近度

本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例上述的人际关系图谱的处理方法。

首先对模型的基本假定进行说明，提出施工场地栅格化，现场临时设施形状几何化等相关假设。根据国家规范以及装配式建筑施工现场布置原则，明确了三种约束条件：场地边界约束条件、设施重叠约束条件、塔吊覆盖约束条件。

其次对优化目标的设定进行探讨。采用文献分析法，初步筛选出16个装配式建筑施工现场临时设施布置影响因素；结合专家打分法，最终确立纳入模型的10个重要影响因素；依据问卷调查结果，明确影响因素纳入方式，并实现优化目标函数的建立。

提出适用于多约束、多目标优化问题的MPC-NSGA-II算法。基于经典NSGA-II算法，通过引入多种群策略，利用移民算子，扩大了算法搜索范围，提高了最优解的稳定性。结合约束支配方法以及Harmonic距离，提出适用于装配式建筑施工现场临时设施布置的新型启发式算法。

最后，将MPC-NSGA-II算法与熵权—TOPSIS法相结合，提出基于MPC-NSGA-II算法的多目标优化与决策模型，并分析了装配式建筑施工现场临时设施布置模型的构架及实现过程。MPC-NSGA-II算法的计算效率提高了3倍，帕累托最优解数量提高了1.6倍，且最优解质量更高。

本申请实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图1示出的基于MPC-NSGA-II的设施布置多目标优化决策方法。

在一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以被存储在保存其他程序或数据的文件的一部分，例如，存储在超日志标记语言(HTML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

以某学校的教学实验楼建造项目为案例，对上述方法进行验证。该项目为2栋3层教学实验楼，其中2栋建筑除建造位置外，其建筑结构形式完全相同。教学楼长为40m，宽为20m，层高3.9m，总高度为17.05m，属于甲类公共建筑，总建筑面积为4478m2，教学楼的Revit模型如图5所示。

装配式建筑施工现场要求实行封闭式施工，整个施工场地平面尺寸为105×100m。场地内有一条5m宽的拟建永久环形道路，基于前述施工道路布置原则，将用作施工道路。为了便于与外界交流，施工现场共设置了两个出入口，其中主出入口位于场地南侧，次出入口位于场地东侧。根据固定式塔式起重机选型原则，现场采用QTZ5010塔式起重机进行吊装工作。项目初始施工平面图如图6所示。

本案例以主体结构施工阶段的平面布置研究为例，对提出的模型算法进行验证。

根据项目提供的资料，首先需对初始施工平面布置图进行简化处理，以方便建立模型。以项目场地西南角作为坐标轴原点，采用近似几何形状法，将教学楼简化为40×20m的矩形块。场地内的环形道路视作四个矩形块的组合，从而得到上述固定设施坐标。QTZ5010塔式起重机尾端长为12.72m，为保证塔机与拟建建筑保持一定的安全距离，并结合塔式起重机布置方法，拟将塔式起重机布置在(50,50)处。

固定设施尺寸及坐标表

简化后初始施工平面布置图如图7所示。

根据现场实际情况，共选取7个生产性临时设施以及2个生活性临时设施，临时设施相关信息汇总在下表：

临时设施信息表

为计算目标函数F1，需事先对各个设施的危害尺度进行划分。

临时设施危害尺度划分表

目标函数F2确定之前，需对施工设施之间的物流强度等级进行评定。根据项目商务部工程预算资料，结合前述方法，得到施工设施之间的物流强度分级图，如图8所示。

本案例中，A＝7776，E＝1296，I＝216，O＝36，U＝6，X＝1。本案例为主体结构施工阶段，在施工期间内，临时设施不发生位置变动，故z

为计算目标函数F3，需要需获取固定式塔式起重机参数、预制构件数量以及需求点位置等吊装信息。本项目采用的建筑安装机械为QTZ5010塔式起重机。为保证安装工作顺利进行，塔式起重机以4倍率进行吊装工作，因此，QTZ5010塔式起重机各个参数为；

吊钩提升速度：V

径向速度：V

回转速度：V

将输入信息带入到MPC-NSGA-II优化算法当中。经多次试验，拟将POP-a、POP-b、POP-c种群规模均设置为150，交叉率0.9，变异率分别设置为0.05与0.7，最大迭代次数200代。模型运行共产生23个最优可行解方案，结果展示在图9和帕累托最优解集适应度值中。

帕累托最优解集适应度值表

为了对模型的决策部分进行更加清晰的说明，从上述优化结果中筛选出四个

布置差异较大的帕累托最优解方案进行比较。四种方案的参数见表四种帕累托最优解布置方案，简易布置图如图10所示。

四种帕累托最优解布置方案表

为抉择出最佳方案，拟采用熵权-TOPSIS方法进行综合评价；目前需考虑的评价属性有四个：顺畅性、便捷性、管理效率和空间可调整性。

首先建立评判指标因素集U

建立评价等级V

V

因此，根据步骤S1206得到规范决策矩阵：

贡献度矩阵：

根据步骤S1207计算出各个指标对应的权重为：

[0.21 0.48 0.18 0.12]

根据步骤S1208加权的规范化决策矩阵：

根据步骤S1209得到理想解与反理想解，分别为：

C

C

最后根据步骤S1211计算出理想接近度C

熵权-TOPSIS评价计算结果表：

根据评价结果可知，0.9583为最大值，因此方案5为最佳的施工现场临时设施布置方案。参考图10。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。