基于改进教学优化算法的施工系统可靠性研究

李一凡

摘要：随着我国建筑施工项目规模的不断扩大，对施工过程的管理提出了更严峻的要求。为了提高大型项目的可靠性，本文引进施工系统可靠性作为综合指标，对施工过程系统的可靠性进行优化分配。以装配式建筑为实例，运用教学算法优化施工系统可靠度，针对教学算法在解决高维复杂问题时易失去种群多样性和陷入局部最优的缺点，在基本教学算法的基础上引入信息熵，提出了基于信息熵改进的教学因子。最后通过将改进后的算法应用到建筑项目施工系统可靠性优化中，结果表明改进后的教学算法比基本教学算法更容易跳出局部最优，具有较强的全局搜索能力。

Abstract： With the expansion of the scale of construction projects， it has more stringent requirements on the management of the construction process. In order to improve the reliability of large-scale projects， this paper introduces the construction system reliability as a comprehensive index to optimize the reliability of the system. Taking prefabricated construction as an example， the teaching-learning-based algorithm is used to optimize the reliability of construction system. According to the shortcomings of the teaching-learning-based algorithm in solving high-dimensional complex problems， information entropy is introduced in this algorithm and the teaching factors based on improved information entropy are put forward. Finally， the improved algorithm is applied to optimize the reliability of construction project system， and the results show that the improved algorithm is easier to jump out of local optimum problem than the basic teaching-learning-based algorithm and has strong global search ability.

關键词：施工系统可靠性;教学算法;可靠性优化;信息熵

Key words： construction system reliability;teaching-learning based on algorithm;reliability optimization;information entropy

中图分类号：TU765 文献标识码：A 文章编号：1006-4311（2018）13-0181-03

0 引言

施工可靠性是基于施工的特性和系统工程原理所定义的，是探索项目施工生产系统的可靠性，是研究施工过程实现目标体系的可靠性[1-3]。由于工程项目施工系统与制造业生产系统二者本身就具有趋同性，同样都具有复杂的生产流程，基于这种启示，将施工系统可靠性应用于装配式住宅施工领域是一个值得尝试的研究方向[4]。为了提高大型项目的可靠性，本文引进施工系统可靠性作为综合指标，对施工过程系统的可靠性进行优化分配[5-6]。针对该优化模型的特点，引用一种新型的群智能算法——教学优化算法进行求解[7-9]。因此，以系统可靠性理论为基础，基于施工可靠性这一新的视角，对工程项目施工系统进行研究，具有重要的理论及现实意义[10]。

1 基于信息熵改进的TLBO算法

2 算法性能测试

通过表1标准测试函数进行算法性能测试。

改进的TLBO算法在这7个高维复杂函数上都达到了很高的精度，其在函数f1、f3、f4、f6和f7都能达到全局最优解，而基本TLBO算法仅在f7达到了全局最优解，其余都陷入了局部最优解。图1和图2为两种算法分别在f6和f7中的寻优收敛曲线，通过对比可以看出，改进的TLBO算法收敛速度有显著提高并且能够跳出局部最优，达到了预期的效果。

3 工程实例应用

3.1 工程背景

现以江苏省某装配式住宅项目为例进行分析。本工程主体结构形式为剪力墙结构，主体结构部分内、外墙板均采用预制装配式墙体，结构楼板、楼梯部分采用叠合板，楼梯、阳台均采用预制装配式形式，空调板、节点、接缝等采用现场现浇的方式。各子系统的基本信息如表3所示，施工网络计划图如图3所示。假定建设项目所需预制构件数量能满足施工要求，预制构件的运输、固定、堆放等都能保证装配施工顺利进行。

3.2 问题描述

施工项目在一定的资源下，施工可靠性优化问题描述如下：

3.3 施工可靠度计算

采用基于历史资料数据统计分析的方法，得出各子系统的可靠度和基本费用如表4所示。

通过Matlab进行仿真计算，运行改进教学算法，对参数记性设置，种群数Ps=100，教学因子最大值TFmax=2，最小值TFmin=1，迭代次数500次，所得最优个体的成绩即为施工系统可靠性的最优分配方案。如表5所示。

同时与用遗传算法求解出的结果进行对比分析，可以看出，改进后的教学算法计算所得的子系统可靠度基本均优于遗传算法所得结果，依据施工系统可靠性原理算出系统可靠度以及系统成本，对比显示，ITLBO算法的系统成本较低且具有较优的系统可靠度。

4 结束语

施工系统可靠性的优化分配问题对于工程的实际管理和质量保障具有重要意义。本文利用施工系统可靠性的计算方法，以装配式建筑施工过程为例，采用新颖的TLBO算法，通过引入信息熵改进教学因子，克服了基本教学算法在解决高维复杂问题时易失去種群多样性和陷入局部最优的缺点，且与已有算例相比具有较高的收敛速度和更精确的最优解。同时也拓宽了教学算法在工程领域方面的应用，促进了施工可靠性在工程管理过程中的发展，为大型建筑工程的可靠性保障提供了有力的理论支持。

参考文献：

[1]邓铁军.结构工程施工系统可靠性理论方法及其应用的研究[D].长沙：湖南大学，2007.

[2]阮旻智，李庆民，王红军.人工免疫粒子群算法在系统可靠性优化中的应用[J].控制理论与应用，2010，27（9）：1253-1258.

[3]赵平，吴昊.差分进化混合粒子群算法求解装配式住宅项目进度优化问题[J].计算机工程与科学，2016，38（7）：1495-1501.

[4]RAO R V，SAVSANI V J，VAKHARIA D P.Teaching-learning based optimization： a novel method for constrained mechanical design optimization problems[J]. Computer-Aided Design，2011，43（3）：303-315.

[5]Rao R V， Patel V. Multi-objective optimization of heat exchangers usinga modified Teaching-learning-based optimization algorithm[J]. Applied Mathematical Modeling， 2013， 37（3） ： 1147-1162.

[6]RAO R V， Patel V.Multi-objective optimization of two stage thermoelectric coolers using a modified teaching-learning-based optimization algorithm [J]. Engineering Applications of Artificial Intelligence， 2013， 26（1） ： 430-445.

[7]RAO R V，PATEL V.An elitist teaching-learning-based optimization algorithm for solving complex constrained optimization problems[J].International Journal of Industrial Engineering Computations，2012，3（4）：535-560.

[8]TOGAN V. Design of planar steel frames using teaching-learning based optimization[J].Engineering Structures，2012，34（1） ：225-232.

[9]Tayfun Dede.Application of Teaching-Learning-based on Optimization Algorithm for the Discrete Optimization of Truss Structures[J].Structural Engineering，2014，18（6）：1759-1767.

[10]W Cheng，F Liu，L J Li. Size and geometry optimization of trusses using teaching-learning-based optimization[J].International Journal of Optimization in Civil engineering，2013，3（3）：431-444.