工程项目风险研究新视角_工程项目主体行为风险

项目管理

2010年第2期（总第328期）

其它变量的规定同式（1）。

且满足在场地布置中每个位置只可以放置一个临时设施，而一个设施也只可以被安放到一个位置。即：

△

△△△△△△△△△△△△△△

人的大脑中的记忆一样，随着时间的推移，在新的信息不断存入大脑的时候，存留在大脑中的旧信息会逐渐淡化。

）·）τ（=ρτ（+△τijbestijt+1ijt

△τ

best

ij

（5）（6）

ΣΣ

ni=1

xik=1xjl=1

=

△

1/FΦbest当设施i分配到位置j在解Φbest中

其它

mj=1

其中，（0＜ρ＜1）是信息素信息的残留因子；ρ△τijbest是信息素增量，由迭代中最优解根据式（6）来计算。式（6）中Φbest为本次迭代中找到的最优解，而FΦbest是当解为Φbest的目标函数。

经过信息素的更新，如果τij＞τmax，设τij=τmax；如果τij＜设τij＝τmin。τmin，

1}x∈{0，

3蚁群算法

蚁群算法的灵感来自于蚂蚁在寻找食物过程中发现

路径的行为。在蚂蚁寻食的过程中，蚂蚁总能找到巢穴和食物之间的最短路径，以最短的时间把食物运回巢穴，这是因为在其他蚂蚁的觅食过程中会留下一种信息素），路径越短留下的信息素越多，后面跟来的蚂（Pheromone

蚁会根据前面留下的累积的信息素去选择前进的方向，因而找到食物和巢穴之间最短的路径。由此可见信息素和路径长短是建立蚁群算法的两个重要因素，蚁群算法中把这两个相关因素定义为信息素信息（PheromoneInformation））。本文采用的最大最和启发式信息（HeuristicInformation小蚁群算法是蚁群算法的一种，它限定了信息素信息的范围，使得该算法在整个算法的迭代过程或者每次迭代中总能搜索到最好的解，并避免在搜索过程中的停滞。

根据StützleandHoos的研究，在搜索的过程中，蚂

[8]

4算例分析

为了验证本文中提出的价值工程和蚁群算法在场

该项目地布置中的应用，本文采用一项目[2]来进行验证。是一个传统的七层钢筋混凝土结构建筑，建筑周期是18个月。

场地布置中所涉及的临时设施如表2所示。

表2

设施标号

123456789

场地布置中所涉及的临时设施

设施名称办公室废料、残渣堆放场钢筋加工和堆放场木材加工和堆放场

工人宿舍其他材料堆放场大门（固定）材料运输梯（固定）垃圾堆放场（固定）

蚁根据各条路径上的信息及启发信息来计算状态转移概）表示在t时刻蚂蚁k由点i转移到点j的状态转率。pkij（t移概率

）pkij（t=

）·[τ（]α[η]βt

若j∈Nki

（3）

Σ

l∈Ni

k

）·[τ（]α[ηil]βilt

其中，）是在迭代t时的信息素信息；）是设施i和位τ（η（ijtijt置j之间的启发信息；α和β分别是信息素和启发信息的相对影响参数；N是i点附近的可以选择的自由的位置，

k

i

在所采用的算例中，大门、材料运输梯、垃圾堆放场是固定的。接着研究的任务是通过蚁群算法去寻找符合价值最大化的目标函数的值。本算例中假设所有的设施能被安放到任何一个空位中，而每个空位也只能容纳一个设施。

蚁群算法采用加权和法（WeightedSumMethod）来找到多目标优化函数的解。加权和法就是要把多目标函数通过确定各个目标函数的权，然后相加，使多目标函数变成单目标函数，即最后需要优化的单目标函数为：

··f=w1f1+w2f2

（7）

式中，因为在本文中w1和w2分别为目标函数f1和f2的权。目标函数f1减小成本和目标函数f2减小安全隐患同等重

且存在Σl∈Np（）=1。ijt

ki

启发信息η（）可以表示为ilt

））η（=1/e（ijtijt

（4）

其中，eij=f·fi代表设施i与其它设施之间的流量之和，fiidj，的值越大，这个设施就越重要；dj表示位置j与其它位置的距离之和，这个场地中的相应位置就会被dj的值越小，认定为中心位置。

当每只蚂蚁走完一步或者一个循环结束后，要对蚂蚁留下的信息素进行更新，有的留下，有的蒸发。这就像

59