面向客户群的装修工程开放动态施工组织多目标优化方法

本发明涉及人工智能，具体涉及面向客户群的装修工程开放动态施工组织多目标优化方法。

背景技术：

1、现代装修工程日趋复杂化、多样化，装修工程施工组织也愈加复杂。施工组织管理是一项有目标性、计划性的活动，工期和成本的管理与优化直接影响工程建设的项目收益。在此背景下，合理调度施工资源，实现工期最短、成本最优非常重要。

2、目前，建筑工程施工过程的进度管理，主要是运用流水施工的理念，采用横道图或网络图的表达方式，参见jgj/t 121-2015《工程网络计划技术规程》。部分学者对工期优化进行了研究。厚恩将约翰逊-贝尔曼法则应用在公路工程工期优化问题中，此方法可以在不增加资源和额外投入的情况下有效缩短工期。池传树将分界排序法和潘特考夫斯基法相结合求得了工期最优的施工段施工顺序。郑显春介绍了矩阵法的优化原理，并通过实例证明了矩阵法解决流水施工施工段排序问题是可行的。rossi f l提出一种改进的启发式算法解决混合无空闲流水车间调度问题，通过实验证明所提出的启发式算法在解的质量和计算效率方面都有很好的性能。wang c l针对车间调度问题设计了一种双层编码遗传算法，通过测试证明该算法在小数据情况下具有较好的稳定性，可以达到提高仓储物流流通效率，降低流通费用的目的。yuan s提出一种协同进化遗传算法解决双机流水车间群调度问题，实验结果表明该算法对此问题是有效的。专利《一种公路工程多目标施工计划确定方法》cn201910689044.2中包括：获取公路工程项目中各施工活动可选的施工方案和各施工方案的施工时长、费用、质量系数、安全系数以及每日资源使用量；以各施工活动的先后顺序以及公路工程项目每日可获取的资源量为约束条件，以施工时间短、施工费用低、质量高和安全性高为优化目标，采用遗传算法与线性规划相整合的方法，确定一组帕累托最优解。

3、现有的研究中，都是仅针对某一确定项目进行施工组织优化的。当企业面临有多个项目需要进行施工时(1对n)，如何确定各个客户之间(各个项目之间)的施工顺序及某个客户(某个项目)的各项施工工序开始时间，系统地进行组织管理，调度施工资源，达到工期、成本、资源多目标最优这一问题尚未解决。同时目前装修工程施工组织多目标优化问题的研究未考虑实际中的动态情景，优化问题研究与实际有差异。此外，尽管遗传算法具有编码和遗传操作简单，不受限制性条件约束的优点，但是存在早熟收敛问题。

技术实现思路

1、本发明提出面向客户群的装修工程开放动态施工组织多目标优化方法，将总施工工期、总运输成本、总窝工时间作为优化目标，建立静态装修工程施工组织多目标优化问题数学模型。为提高求解结果准确度，将多种群遗传算法融入到nsga-ii算法中，对算法框架及编码方式、适应度函数、遗传操作、参数选择等进行设计，对建立的模型进行求解，解决静态装修工程施工组织多目标优化问题。

2、针对实际施工过程中的不确定性和动态性，本发明公开了新客户加入、工序工期延误、紧急订单三种动态事件的数学模型，使用滚动窗口技术对客户分类，将动态优化过程分解为多个静态过程，然后在各个小过程内采用静态优化方案，从而解决动态装修工程施工组织多目标优化问题，为企业面临有多个客户需要进行装修工程施工(1对n)，提供多目标最优的施工组织(各个客户之间(项目)的施工顺序及某个客户(项目)的各项施工工序开始时间)。

3、为达到上述目的，本发明所采用的技术方案是：

4、面向客户群的装修工程开放动态施工组织多目标优化方法，包括模式一和模式二，所述的模式一为：针对静态施工组织多目标优化问题，将总施工工期、总运输成本、总窝工时间作为优化目标，建立静态装修工程施工组织多目标优化问题数学模型，将多种群遗传算法融入到nsga-ii算法中，对算法框架及编码方式、适应度函数、遗传操作、参数选择进行设计，对建立的模型进行求解；所述的模式二为：针对动态事件的施工组织多目标优化问题，建立新客户加入、工序工期延误、紧急订单三种动态事件的数学模型，使用滚动窗口技术对客户分类，将动态优化过程分解为多个静态过程，然后在各个静态过程内采用模式一中的静态优化方案，从而实现动态装修工程施工组织多目标优化。

5、优选的，所述的模式一中，建立静态装修工程施工组织多目标优化问题数学模型时，对客户施工排序优化问题做如下假设：

6、(1)各施工工序一次完成，不允许半途终止，在既定时间内完成施工；

7、(2)各工序只有一个专业施工队，且同一时刻一个专业施工队只能给一个客户施工；

8、(3)同一时刻一个客户只能进行一个施工工序，即不能进行交叉作业；

9、(4)每个客户的工序施工顺序相同，即所有工序必须按照一定的顺序进行施工；

10、(5)各工序的施工时间是已知的；

11、(6)相邻客户之间运输材料设备等花费的时间不影响总工期，不考虑在施工进度计划中；

12、(7)每个客户的优先级是相同的；

13、对参数变量分别定义为：n代表装修客户的总数；m代表施工工序的数量；i表示第i个客户；j表示第j个工序；time表示客户施工的时间矩阵；time_1表示定制家具的时间矩阵；c表示运输成本矩阵；sij表示第i个客户、第j个工序的施工开始时间；pij表示第i个客户、第j个工序的施工结束时间；tij表示第i个客户、第j个工序的施工持续时间；cik表示第i个客户到第k个客户的运输成本；wij表示第i个客户、第j个工序的窝工时间；dij表示第i个客户、第j个工序的延迟时间；minobjv表示精华种群；

14、针对上述假设与参数变量，结合客户施工排序优化问题的特性，建立约束条件，并确定目标函数。

15、优选的，所述的模式一中，建立约束条件的步骤为：针对上述假设与参数变量，结合客户施工排序优化问题的特性，建立以下约束条件的数学模型：

16、pij＝sij+tij   (1)

17、sij+tij<si(j+1)   (2)

18、pij<s(i+1)j   (3)

19、sij≥0,pij≥0,tij≥0,cij≥0,dij≥0   (4)

20、式(1)表示某工序施工结束时间等于施工开始时间加施工持续时间，其中，i＝1,2,…,n；j＝1,2,…,m；

21、式(2)表示某工序施工完成才能进行下一个工序的施工，保证了同一时刻一个客户只能进行一项施工工序，其中，i＝1,2,…,n；j＝1,2,…,m-1；

22、式(3)表示某客户的某工序完成后下一个客户才能进行此工序的施工，保证了同一时刻一个专业施工队的工人只能对一个客户进行施工，其中，i＝1,2,…,n-1；j＝1,2,…,m；

23、式(4)表示所有的参数是非负的，其中，i＝1,2,…,n；j＝1,2,…,m；

24、由式(2)和式(3)知：第一个施工客户的第一个工序的施工开始时间没有约束条件限制，s11＝0；第一个施工客户的第二个及以后的工序的施工开始时间要满足式(2)的约束条件，即本工序的施工开始时间不早于前一个工序的施工结束时间；第二个及以后的施工客户的第一个工序要满足式(3)的约束条件，即本工序的施工开始时间不早于上一个施工客户此工序的施工结束时间；除上述提及到的客户施工工序外，其它工序要同时满足式(2)和式(3)的约束条件，即本工序的施工开始时间不早于前一个工序的施工结束时间，也不早于上一个施工客户此工序的施工结束时间。

25、优选的，所述的模式一中，确定目标函数的方法为：

26、选取总施工工期、总运输成本、总窝工时间作为求解的目标；

27、总施工工期的目标函数如式(5)所示：

28、f1＝min(tn)   (5)

29、总运输成本的目标函数如式(6)所示：

30、

31、总窝工时间的目标函数如式(7)所示：

32、

33、总的目标函数表达式如式(8)所示：

34、min:f＝(f1,f2,f3)t＝f(x)   (8)

35、优选的，所述的模式一中，还包括针对目标函数对算法进行优化的过程，包括：针对静态施工组织多目标优化问题，采用nsga-ii算法求解：首先创建规模为n的初始种群pi，根据适应度值计算结果对其进行非支配排序和拥挤距离计算；然后进行选择操作，对于两个个体，当序值不同时，选择序值小的个体，不考虑两者的拥挤距离；当序值相同时，选择拥挤距离大的个体；然后对选择出来的个体进行交叉、变异操作，产生子代种群qi，将父代种群pi与子代种群qi合并成新种群ri，对新种群ri进行非支配排序和拥挤距离计算，根据非支配排序和拥挤距离的计算结果修剪种群，选择前n个个体作为新种群pi+1，后n个个体被淘汰；对新种群pi+1重复上述操作，一直循环直到达到终止条件；同时，将多种群遗传算法与nsga-ii算法相结合，提高算法的求解精度。

36、优选的，所述的模式一中，编码方式的设计指的是：假设有n个客户，在0-1之间随机产生n个数，将n个数由小到大进行排序，该数字在原序列中的位次即为施工的客户编号；

37、所述的模式一中，采用随机初始化的方法进行初始化种群；

38、所述的模式一中，遗传操作设计指的是：

39、(1)选择操作：选择操作方式是规模为2的锦标赛选择法，将种群随机分成n/2组，每组有2个个体，从这2个个体中选择适应度值较高的一个个体复制到子代，适应度值较低的个体淘汰掉；重复上述操作过程，再选出n/2个个体，最终得到个体数目为n的种群；

40、(2)交叉操作：采用的交叉方式为单点交叉，交叉点一侧的基因保留，另一侧的基因与另一个染色体相同位置的基因进行交叉；

41、(3)变异操作：采用基本位变异算子，当符合变异条件时，随机选择染色体上的一个基因进行变异；具体步骤如下：

42、步骤1：对种群中的每个个体的变异概率随机赋值，取值在[0,1]之间；

43、步骤2：对于某个个体，若随机生成的变异概率小于变异参数pm，则执行后面的操作，若变异概率大于等于变异参数pm，则终止该变异操作；

44、步骤3：随机生成变异点的位置i；

45、步骤4：对该变异点在[0,1]之间进行随机赋值，但赋值结果不能与变异前相等；

46、所述的步骤4中，对随机赋值进行改进，改进方案如下：

47、

48、当变异位的编码小于等于0.5时，采用定向变异使其加0.5，当变异位的编码大于0.5时，采用定向变异使其减0.5；

49、为防止最优个体因为交叉和变异而丢失，采用了最优个体保存策略，通过人工选择算子保存最优个体，每进化一代，将各种群中的最优个体放入精华种群中，防止优良个体的丢失和破坏；

50、所述的模式一种，参数选择的设计指的是：采取多种群遗传算法，选取的种群数目为10，种群规模为100，最大迭代次数为100，每个种群进行相同的遗传操作；交叉概率pc＝0.7+(0.9-0.7)*rand(mp,1)，mp为种群数目10，即每个种群的交叉概率都在0.7-0.9范围内随机产生，并分配到10个种群中；变异概率pm＝0.05+(0.1-0.05)*rand(mp,1)，即每个种群的变异概率都在0.05-0.1范围内随机产生，并分配到10个种群中。

51、优选的，所述的模式二中，针对新客户加入问题，将一定时间内的新客户统一加入到装修工程动态过程中，确定新加入的若干个客户的施工顺序，使得目标达到最优；工序工期延误问题是指某工序在施工过程中遇到特殊事件导致此工序的预计施工完成时间要比计划完成时间晚，此工序之后的所有未开始施工的客户的施工时间要重新确定，以使得目标达到最优；紧急订单问题是指客户着急用房，要求立即进行装修施工，需要将此客户安排到未施工客户中第一的位置，其余未施工的客户重新进行施工排序，使得目标达到最优；所述的模式二中，动态事件的装修工程施工组织多目标优化问题中不同客户的优先级不同，除此之外，假设条件、约束条件及目标函数与模式一的静态装修工程施工组织多目标优化问题相同；动态优化中的参数变量包括：endttime-最后一个客户的各工序施工结束时间；endtime2-工序延期的客户各工序施工结束时间；endtime3-紧急订单的客户各工序施工结束时间；num-工序延期当天已经开始施工的客户数目；num2-紧急客户插入当天已经开始施工的客户数目；time2-新客户的施工时间矩阵；time_2-新客户定制家具的时间矩阵；c2-新客户的运输成本矩阵；time3-紧急订单的施工时间矩阵；time_3-紧急订单定制家具的时间矩阵；c3-紧急订单的运输成本矩阵；t1-发现延期时的时间；t-延期的天数；x-延期的客户编号；b-延期的工序编号。

52、优选的，所述的模式二中，滚动窗口技术是把一个动态优化问题分解为多个静态优化问题进行滚动优化，使得模式一中的优化算法能够应用在动态事件中；包括如下步骤：

53、(1)定义不同的窗口，包括“完工窗口”、“施工窗口”和“等待窗口”；

54、(2)对客户划分客户集，划分为“已完成客户集”、“正在施工客户集”、“未施工客户集”和“新客户集”4个集合；其中，已完成客户集是指已经施工完成的所有客户，正在施工客户集是指正在施工的所有客户，未施工客户集是指己在上一次优化方案中指定了施工顺序但还未开始施工的所有客户，新客户集是指没有纳入上次优化范围、正在等待优化的新到达的所有客户。

55、优选的，所述的模式二中，应用事件驱动和周期性驱动两种优化策略，所述的事件驱动优化策略指的是：在施工过程中存在着各种各样的突发事件，为了及时应对这些突发事件，而立即进行的施工计划的优化；周期性驱动优化策略指的是：装修公司在不断的接收来自新客户的订单，这些订单若没有特殊的工期要求，只需进行常规的动态优化；

56、在基于事件和周期混合驱动优化策略基础下，将施工窗口和等待窗口中的所有工序施工任务汇总，然后设定这些施工工序的优先级，根据优先级来进行动态优化。

57、优选的，所述的模式二中，新客户加入的动态优化过程为：

58、步骤一：将己完成客户集移至完工窗口，从新客户集中选取一部分客户加入到施工窗口，施工窗口还包含了上一次优化的正在施工客户集和未施工客户集，

59、步骤二：确定原施工窗口中最后一个客户各工序的完工时间，在此基础上建立未施工客户集中新加入客户的优化模型；

60、步骤三：上一次已经优化的客户只需按照原有施工计划执行即可，根据步骤二建立的模型对新加入的客户按照静态客户施工排序的优化算法进行重新计算；

61、工序工期延误动态优化策略的过程如下：

62、步骤一：确定紧急事件发生时已经开始施工的客户和未开始施工的客户，已经开始施工的客户属于正在施工客户集，未开始施工的客户属于未施工客户集；

63、步骤二：计算工期延误的时间及正在施工客户集中最后一个客户各工序的结束时间，在此基础上建立未施工客户集的优化模型；

64、步骤三：正在施工客户集的优先级最高，只需按照原有施工计划执行即可，根据步骤二建立的模型对未施工客户集按照静态客户施工排序的优化算法进行重新计算；

65、紧急订单的动态优化策略的处理过程如下：

66、步骤一：确定插入紧急订单时已经开始施工的客户和未开始施工的客户，已经开始施工的客户属于正在施工客户集，未开始施工的客户属于未施工客户集；

67、步骤二：确定正在施工客户集中最后一个客户各工序的结束时间，将紧急订单加入到正在施工客户集中，紧挨在最后一个正在施工的客户后面，计算紧急订单各工序的完工时间作为正在施工客户集中最后一个客户的完工时间，在此基础上建立未施工客户集的优化模型；

68、步骤三：正在施工的客户优先级最高，施工计划不变，根据步骤二建立的模型对未施工客户集按照静态客户施工排序的优化算法进行重新计算。

69、优选的，所述的模式二中，将动态优化过程分解为多个静态过程，静态过程中采用的多种群nsga-ii算法的步骤为：首先初始化各项参数，读取所有客户的数据，进行编码，产生初始种群，计算个体适应度值；然后判断是否满足收敛条件，若满足则直接得到静态施工方案，若不满足则进行选择、交叉及变异操作，一直循环直到满足收敛条件；最后判断在执行静态施工方案过程中是否发生动态事件，若没有动态事件发生则按照原计划进行施工，若有动态事件发生，则执行动态优化策略，重新计算新的施工方案。

70、本发明面向客户群的装修工程开放动态施工组织多目标优化方法的有益效果为：本发明将总施工工期、总运输成本、总窝工时间作为优化目标，建立静态装修工程施工组织多目标优化问题数学模型。为提高求解结果准确度，将多种群遗传算法融入到nsga-ii算法中，对算法框架及编码方式、适应度函数、遗传操作、参数选择等进行设计，对建立的模型进行求解，解决静态装修工程施工组织多目标优化问题。针对实际施工过程中的不确定性和动态性，本发明公开了新客户加入、工序工期延误、紧急订单三种动态事件的数学模型，使用滚动窗口技术对客户分类，将动态优化过程分解为多个静态过程，然后在各个小过程内采用静态优化方案，从而解决动态装修工程施工组织多目标优化问题，为企业面临有多个客户需要进行装修工程施工(1对n)，提供多目标最优的施工组织(各个客户之间(项目)的施工顺序及某个客户(项目)的各项施工工序开始时间)。具体表述如下：

71、(1)本发明将传统的流水施工施工段排序优化问题中的施工工期优化目标扩展到施工工期、运输成本、窝工时间三个优化目标，解决静态装修工程施工组织多目标优化问题，实现工期最短、成本最优。

72、(2)本发明为装修工程客户施工排序优化问题提供了mp-nsga-ii(多种群遗传算法与nsga-ii算法相融合)的解决方法，该方法较一般遗传算法优化能力更强，在解决大量客户的优化问题方面求解准确率更高，稳定性更强。

73、(3)本发明可以实现装修工程客户施工排序的动态优化，解决了新客户加入、工序工期延误、紧急订单三种动态事件。