一种基于改进遗传算法的施工设备智能选型及调配方法组成比例

本发明专利技术公开了一种基于改进遗传算法的施工设备智能选型及调配方法，该方法包括以下步骤：获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；为施工项目推荐建筑施工大型专用设备的推荐集；以项目综合耗损值最低为优化目标建立设备选型优化模型；对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；生成机械设备需用计划；利用比选判断规则在动态机械资源数据库中进行设备的自动比选；依据调配规则生成调配任务，进行建筑施工大型专用设备的调配。本发明专利技术可以有效地提高企业资产的利用率，降低企业的经营成本，增加企业的经营利润，可以更好地满足于企业的使用需求。使用需求。使用需求。

【技术实现步骤摘要】
一种基于改进遗传算法的施工设备智能选型及调配方法


[0001]本专利技术涉及信息处理
，具体来说，涉及一种基于改进遗传算法的施工设备智能选型及调配方法。

技术介绍

[0002]全过程机械化施工过程中，施工装备是实现机械化施工的重要物质基础，对施工项目的进度、质量均有直接影响。在考虑选用施工机械设备时，需综合考虑施工现场的条件、机械设备性能、施工工艺和方法、设计方案、施工组织与管理、经济等方面的因素，使施工所用装备能合理配套使用，装备间使用条件统筹、有机联系，充分发挥机械设备的效能。
[0003]目前，建筑施工企业大型专用设备主要为盾构机、架桥机，这些设备具备共同特征：如购置价值高，运维成本高，使用寿命长。因基础建设一直处于高速增长的状态，大型专用设备保有量增加，资产管理各环节存在以下问题：设备管理者不能全面及时掌握资产购置信息、数量、质量、位置、运转状态、运转时长、产能等信息，此外，对于设备的选型和调配而言，由于缺乏相应的选配及调配系统或方法，从而使得传统建筑施工过程中对于大型专用设备的选型和调配靠人工经验来判断，容易导致设备资源不能因需调配，形成设备闲置现象的发生，从而容易影响企业资产的利用率，增加企业的经营成本，降低经营利润。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]针对相关技术中的问题，本专利技术提出一种基于改进遗传算法的施工设备智能选型及调配方法，以克服现有相关技术所存在的上述技术问题。
[0006]为此，本专利技术采用的具体技术方案如下：一种基于改进遗传算法的施工设备智能选型及调配方法，该方法包括以下步骤：S1、获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；S2、利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集；S3、基于所述推荐集中的基本信息数据并以项目综合耗损值最低为优化目标建立设备选型优化模型；S4、利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；S5、依据所述施工项目中各施工工序的优选设备生成机械设备需用计划；S6、根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选；S7、基于所述比选结果依据调配规则生成调配任务，并按照所述调配任务进行建筑施工大型专用设备的调配。
[0007]进一步的，所述历史基本信息数据包括施工项目类型、工号名称、项目参数、施工工期、项目成本、设备名称、设备规格型号、设备技术参数、项目设备需求数量及设备台班。
[0008]进一步的，所述S2中利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集包括以下步骤：S21、对所述历史基本信息数据进行清洗并转换成项目与型号的评分矩阵及型号与项目的评分矩阵；S22、利用K
‑
means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵；S23、根据聚类结果并利用相关相似度度量方法在每个类别上找出目标项目的近邻项目，分析得到项目在该类别上的推荐项目集；S24、综合所有类别上的推荐项目，对预测评分值进行排序，并依据排序由高至低的结果将预设数量的推荐项目作为施工项目推荐建筑施工大型专用设备的推荐集。
[0009]进一步的，所述S22中利用K
‑
means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵包括以下步骤：S221、设定聚类中心的个数k，并随机从型号与项目的评分矩阵中选取k个型号作为首次聚类中心；S222、基于首次聚类中心采用欧式距离计算方法计算两个型号之间的距离，并将型号归到距离最近的类别中；S223、当一轮聚类结束后求取每个类别新的中心，并定义新簇类中心的坐标为该类别的质心；S224、重复执行S222及S223，当最新的聚类中心及原聚类中心小于等于预设值时，聚类完成，得到k个不同的类别；S225、在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵。
[0010]进一步的，所述S23中相关相似度度量方法的计算公式如下：其中，sim（i,
mn
）表示项目i 与项目mn的相似度，C表示项目类别，I(i,
mn
)表示项目mn和项目i的评分集合，R
m,c
表示项目m对项目c的评分，R
n,c
表示项目n对项目c的评分，表示项目m对项目c的评分平均估值，表示项目n对项目c的评分平均估值。
[0011]进一步的，所述设备选型优化模型的公式如下：式中，F（x）表示项目综合耗损值，x表示项目名称，C（x）表示项目施工成本，T（x）表示项目施工工期，λ1和λ2分别表示项目施工成本和项目施工工期的权重。
[0012]进一步的，所述S4中利用改进遗传算法对设备选型优化模型进行优化，得到施工
项目中各施工工序的优选设备包括以下步骤：S41、对设备选型优化模型中的变量进行编码，并随机生成一定数量的个体作为第一次寻优的初始种群；S42、每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体；S43、根据预设的变异概率随机的从新一代的群体中选择若干个个体，再随机的选取某一位进行变异运算，形成最终的新一代群体；S44、判断是否满足于停机条件，若否，则将最终的新一代群体作为初始个体并返回S42，若是，则执行S45；S45、选取第一次寻优的初始种群中适应度最大的个体作为第二次寻优的初始种群的产生区间中心，并以适应度最大的个体为中心随机生成第二次寻优的初始种群；S46、重复执行S42
‑
S44，直到最终生成满足停机条件的最终的群体；S47、判断第二次寻优的最终生成的群体中适应度最大的个体是否大于第一次寻优的初始种群中适应度最大的个体，若是，则以第二次寻优的最终生成的群体中适应度最大的个体作为最终的阈值，若否，则第一次寻优的初始种群中适应度最大的个体作为最终的阈值；S48、基于最终的阈值分析得到施工项目中各施工工序的优选设备。
[0013]进一步的，所述S42中每次选取两个个体采用轮盘转的方式进行杂交操作，直至生成新一代的群体包括以下步骤：S421、计算初始种群中各初始个体的适应度总和S，并随机生成一个0~S之间的随机数Se；S422、从第一个个体开始进行累加直至累加值大于随机数Se，则最后一个累加的个体便为要选择的个体；S423、选出两个个体后，根据预设的杂交概率Ph随机选取在某一位开始进行杂交运算，生成两个新的个体；S424、重复S421
‑
S423直至生成新一代的群体。
[0014]进一步的，所述动态机械资源数据库中包括以下信息：设备编码、设备名称、设备规格型号、设备技术参数、设备状态、设备当前位置、当前运转时长、实际进场时间、计划出场时间、规定工歇保养天数、总运转时长、设备寿命年限、设备已使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，该方法包括以下步骤：S1、获取建筑施工项目及建筑施工大型专用设备的历史基本信息数据；S2、利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集；S3、基于所述推荐集中的基本信息数据并以项目综合耗损值最低为优化目标建立设备选型优化模型；S4、利用改进遗传算法对设备选型优化模型进行优化，得到施工项目中各施工工序的优选设备；S5、依据所述施工项目中各施工工序的优选设备生成机械设备需用计划；S6、根据机械设备需用计划信息利用比选判断规则在动态机械资源数据库中进行设备的自动比选；S7、基于所述比选结果依据调配规则生成调配任务，并按照所述调配任务进行建筑施工大型专用设备的调配；其中，所述S2中利用基于改进型协同过滤推荐算法为施工项目推荐建筑施工大型专用设备的推荐集包括以下步骤：S21、对所述历史基本信息数据进行清洗并转换成项目与型号的评分矩阵及型号与项目的评分矩阵；S22、利用K
‑
means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵；S23、根据聚类结果并利用相关相似度度量方法在每个类别上找出目标项目的近邻项目，分析得到项目在该类别上的推荐项目集；S24、综合所有类别上的推荐项目，对预测评分值进行排序，并依据排序由高至低的结果将预设数量的推荐项目作为施工项目推荐建筑施工大型专用设备的推荐集。2.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述历史基本信息数据包括施工项目类型、工号名称、项目参数、施工工期、项目成本、设备名称、设备规格型号、设备技术参数、项目设备需求数量及设备台班。3.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S22中利用K
‑
means聚类算法对型号与项目的评分矩阵进行计算，得到k个不同的类别，并在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵包括以下步骤：S221、设定聚类中心的个数k，并随机从型号与项目的评分矩阵中选取k个型号作为首次聚类中心；S222、基于首次聚类中心采用欧式距离计算方法计算两个型号之间的距离，并将型号归到距离最近的类别中；S223、当一轮聚类结束后求取每个类别新的中心，并定义新簇类中心的坐标为该类别的质心；S224、重复执行S222及S223，当最新的聚类中心及原聚类中心小于等于预设值时，聚类完成，得到k个不同的类别；
S225、在型号维度上对项目与型号的评分矩阵进行切割，得到k个项目与型号的评分矩阵。4.根据权利要求3所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述S23中相关相似度度量方法的计算公式如下：其中，sim（i,
mn
）表示项目i 与项目mn的相似度，C表示项目类别，I(i,
mn
)表示项目mn和项目i的评分集合，R
m,c
表示项目m对项目c的评分，R
n,c
表示项目n对项目c的评分，表示项目m对项目c的评分平均估值，表示项目n对项目c的评分平均估值。5.根据权利要求1所述的一种基于改进遗传算法的施工设备智能选型及调配方法，其特征在于，所述设备选型优化模型的公式如下：式中...

【专利技术属性】
技术研发人员：胡伟，李福健，穆明辉，张云莉，刘振邦，李壮，毕晓艳，卞雄峰，孙朝福，
申请(专利权)人：中铁四局集团有限公司，
类型：发明
国别省市：