دانلود ترجمه مقاله استفاده از الگوریتم ژنتیک برای حل مسائل رابطه زمان و هزینه در ساخت و ساز

1. مقدمه 2. روش تحقیق 3. طراحی الگوریتم ژنتیک بهبود یافته 4. نتایج و بحث و بررسی 5. نتیجه گیری

چکیده – مدتهاست که مسئله موازنه هزینه و زمان (TCT)، بعنوان یک سوال محبوب در باب بهینه سازی برای محققان مهندسی ساخت و مدیریت مطرح بوده است. این مسئله به خودی خود به صورت بهینه سازی کل هزینه های پروژه های ساخت آشکار می شود و متشکل از هزینه های غیرمستقیم پروژه و هزینه های فعالیت فردی می باشد. رابطه در مدت زمان پروژه اتفاق می افتد و در نتیجه، هزینه های غیرمستقیم پروژه با کاهش مدت زمان فعالیت فردی کاهش می یابد. این کاهش زمان فعالیت فردی بواسطه افزایش تخصیص منابع به فعالیت های فردی حاصل شده و هزینه های آنها را تا زمان اتمام افزایش می دهد. از نظر تاریخی، راه حل های فراابتکاری به دلیل پیچیدگی های محاسباتی و الزامات شبکه های بزرگتر، برای مسائل مقیاس کوچک بکار می روند. یافته های این مقاله نشان می دهد که روش فراابتکاری برای حل مسائل TCT در ساخت وساز مقیاس بزرگ، بسیار کارآمد می باشد. یک الگوریتم ژنتیکی سفارشی (GA) ایجاد شده که به طور مداوم برای حل شبکه های با معیار بزرگ با حداکثر 630 متغیر و دقت بالا (انحراف 3٪<)، با استفاده از توان محاسباتی کامپیوتر شخصی در کمتر از 10 دقیقه مورد استفاده قرار می گیرد. می توان با صرف زمان پردازش طولانی تر، برای حل شبکه های بزرگتر تا 6300 متغیر با دقت معقول (انحراف 7٪) از همین روش استفاده کرد. برخی از تکنیک های ساده و در عین حال موثر نشان داده شده که عملکرد GA را برای مسائل TCT بهبود می بخشد و موثرترین آنها روش رمزگذاری جدید مبتنی بر نمودارهای وزنی است که به شما اجازه می دهد تا مشکل مسیر بحرانی را تا حدی برای همه راه حل های کاندید پیشین حل نمایید، بنابراین به طور معناداری برازش ارزیابی را افزایش می دهد. سایر پیشرفت ها شامل ارزیابی های برازش موازی، پارامترهای الگوریتم بهینه و افزودن معیارهای رکود است. همچنین، این مقاله از طریق یک پارامتر جامع و تجزیه و تحلیل مشخصات تقاضای محاسباتی، برخی از رهنمودهای انتخاب پارامتر بهینه الگوریتم را ارائه می دهد. علاوه بر این، روش های ارائه شده در این مقاله مبتنی بر پروژه های توسعه منبع باز است که بدون تلاش قابل توجه در توسعه، راه حل های قابل مقیاس ارائه می دهد. این اطلاعات برای بهبود کارایی محاسباتی راه حل برای سایر محققان و پرداختن به مسائل TCT مفید خواهد بود.

The time-cost trade-off (TCT) problem has long been a popular optimization question for construction engineering and management researchers. The problem manifests itself as the optimization of total costs of construction projects that consist of indirect project costs and individual activity costs. The trade-off occurs as project duration and, as a result, indirect project costs decrease with reduced individual activity duration. This reduction in individual activity duration is achieved by increasing resource allocation to individual activities, which increases their costs to completion. Historically, metaheuristic solutions have been applied to small-scale problems due to computational complexities and requirements of larger networks. Findings in this article demonstrate that the metaheuristic approach is highly effective for solving large-scale construction TCT problems. A custom genetic algorithm (GA) is developed and used to solve large benchmark networks of up to 630 variables with high levels of accuracy (<3% deviation) consistently using computational power of a personal computer in less than 10 min. The same method can also be used to solve larger networks of up to 6,300 variables with reasonable accuracy (∼7% deviation) at the expense of longer processing times. A number of simple, yet effective, techniques that improve GA performance for TCT problems are demonstrated, the most effective of which is a novel problem encoding, based on weighted graphs, that enables the critical path problem to be partially solved for all candidate solutions a priori, thus significantly increasing fitness evaluation. Other improvements include parallel fitness evaluations, optimal algorithm parameters, and the addition of a stagnation criteria. This article also presents some guidelines of optimal algorithm parameter selection through a comprehensive parameter sweep and a computational demand profile analysis. Moreover, the methods proposed in this article are based on open source development projects that enable scalable solutions without significant development efforts. This information will be beneficial for other researchers in improving computational efficiency of their solution in addressing TCT problems.

این مقاله می تواند برای مبحث مهندسی و مدیریت ساخت مناسب باشد. ترجمه این مقاله در 31 صفحه آماده شده و در ادامه نیز صفحه 23 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.