[发明专利]基于随机策略与多目标优化算法的施工场地平面布置方法

说明书

本发明提供一种基于随机策略与多目标优化算法的施工场地平面布置方法，以待布置设施对应的矩形的左上顶点的位置坐标为决策变量，进行随机策略布置，并对随机生成的布置方案进行防重叠约束，形成多目标优化算法的初始种群；以实数编码的形式将随机生成的设施的布置位置坐标作为染色体基因座上的基因参与多目标优化算法的迭代运算，并在交叉、变异操作上进行自适应算法改进，最终得到最优的施工场地布置方案。本发明的有益效果：解决了现有施工场地布置策略存在的易丢解和局部最优解弊端，充分发挥了智能算法的全局寻优特点；从多个工程实际需求出发，最终的场地布置方案不再单一满足某一方面的需求，从整体上提高了场地布置方案的各项功能需求。

技术领域

本发明涉及，尤其涉及一种基于随机策略与多目标优化算法的施工场地平面布置方法。

背景技术

目前，智能化的施工场地平面布置方法主要是通过建立场地布置所要达到的目标模型，借助现有的智能算法的智能寻优特性，比如遗传算法、蚁群算法、粒子群算法等，最终得到满足目标的最优场地布置方案；这类方法在进行算法运用之前，需要先确定场地内设施的布置模式，然后算法依据该布置模式对待布置设施进行智能规划。现有的场地内设施的布置模式主要是采用自动换行的布置策略，即首先对待布置设施进行编号，然后通过随机打乱编号顺序的方式将各个设施按照逐行排列；若同一行内的设施长度之和与该行中设施之间的实际间距之和的总和超过了最大横向空间长度限制，则本行的最后一个设施自动进入下一行。

上述布置策略在采用智能算法进行优化布置的过程中容易出现优解丢失问题，原因在于所有设施按照自动换行模式布置完毕后，对布置区域的剩余布置空间进行设施布置的可能性将为0，导致在剩余布置空间上进行布置的布局方案所得到的可能更优目标值将间接丢失，也就是说，初始种群的多样性在算法初始阶段就已被削弱，智能算法在多样性存在缺陷的初始种群中进行智能寻优，得到的最终解可能只是局部最优解而非全局最优解。因此，利用上述布置策略进行场地布置虽然在一定程度上能够对场地布置方案进行优化，但并未完全发挥算法的全局寻优特点以及场地布置方案的最佳优化目标。

发明内容

针对现有布置策略易丢解、全局最优性弱的缺陷，本发明提供了一种基于随机策略与多目标优化算法的施工场地平面布置方法。

本发明提供一种基于随机策略与多目标优化算法的施工场地平面布置方法，包括采用随机策略进行场地布置的初始阶段：

101、将整个施工场地的平面区域进行网格化，形成若干个面积大小相同方形区域，并基于所述方形区域建立施工场地的二维坐标系；

102、将待布置设施根据各自的实际尺寸大小模型化为规则矩形，并以矩形的任一顶点的位置坐标为随机策略的决策变量，在步骤101建立的二维坐标系的基础上，随机生成满足施工场地空间限制的设施位置坐标；

103、对于任一待布置设施，判断随机生成的位置坐标是否满足防重叠约束，若满足，则保留所述位置坐标作为所述待布置设施的布置方案，若不满足，则舍弃所述位置坐标并再次随机生成新的位置坐标，直到满足防重叠约束为止；

104、对所有待布置设施执行步骤103、步骤104，得到一个场地布置方案，所述场地布置方案作为多目标优化算法的初始种群中的一个样本；

105、根据初始种群的样本数量，重复执行步骤102-104，生成多目标优化算法的初始种群。

进一步地，还包括采用多目标优化算法进行改进的优化阶段：

201、给定交叉概率，并以多点交叉的方式确定两个染色体之间待交叉的基因座区间；

202、逐个进行基因座上基因的交叉操作并判断交叉后是否满足防重叠约束，若满足，则保留所述基因交叉操作，否则，撤销所述基因交叉操作；直到种群中的所有染色体均完成交叉操作；

203、给定变异概率，并以均匀变异的方式确定两个染色体之间待变异的基因座区间；