由于對裝配式建筑上游產(chǎn)業(yè)和裝配式建筑構(gòu)件生產(chǎn)基地缺少科學(xué)的規(guī)劃布局,部分地區(qū)出現(xiàn)了生產(chǎn)基地選址規(guī)劃不合理和產(chǎn)能過剩的問題。在研究一般選址問題的基礎(chǔ)上,結(jié)合構(gòu)件生產(chǎn)基地選址的特點,建立裝配式建筑構(gòu)件生產(chǎn)基地選址模型,采用免疫優(yōu)化算法進(jìn)行求解。研究結(jié)果表明:免疫優(yōu)化算法能夠以較小的建站代價獲得較優(yōu)選址,有較強(qiáng)的收斂性,具有良好的全局尋優(yōu)能力,證實算法對于所研究問題的適用性。 

【文章來源】：鐵道科學(xué)與工程學(xué)報. 2020,17(09)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

免疫優(yōu)化算法收斂曲線Fig.3Immuneoptimizationalgorithmconvergencecurve

鐵道科學(xué)與工程學(xué)報2020年9月2432否可在后期擴(kuò)大規(guī)模，種種因素都會對該區(qū)域裝配式建筑的推廣產(chǎn)生或多或少的影響。其次，國內(nèi)各個區(qū)域地理環(huán)境，社會環(huán)境均不相同，籠統(tǒng)的分析選址問題不能給裝配式建筑構(gòu)件廠的從業(yè)人員一個合理的建議。在傳統(tǒng)方法下，如采用粒子算法確定裝配式構(gòu)件廠選址花費(fèi)的精力過長，收斂速度慢，計算結(jié)果偏向局部最優(yōu)，不易考慮全局，這在一定程度上造成了成本的增加。在選址問題中，遺傳算法與免疫優(yōu)化算法有相似之處，都通過交換樣本信息來提高群落的適應(yīng)度，有相近的循環(huán)流程。但遺傳算法由于對父體的依賴性較強(qiáng)，在篩選過程中，降低了樣本的多樣性，而免疫優(yōu)化算法由于以樣本間親和度為基礎(chǔ)，可以豐富群體的多樣性，提高了選址問題解的多樣性。同時利用免疫優(yōu)化求解最優(yōu)選址時收斂速度快的特性，可以對裝配式構(gòu)件選址提供針對性的建議，為選址問題提供一個很好的思路和參考。2.2免疫優(yōu)化算法的實現(xiàn)流程生物免疫系統(tǒng)[9]是一個高度進(jìn)化，功能復(fù)雜的生物系統(tǒng)，通過該系統(tǒng)模擬生物免疫系統(tǒng)抗原抗體之間免疫應(yīng)答關(guān)系，如圖1所示，模仿免疫系統(tǒng)在識別抗原刺激后，釋放大量抗體消滅抗原，進(jìn)而引起免疫細(xì)胞的代謝，通過選擇，交叉變異引起新抗體產(chǎn)生，進(jìn)而維持機(jī)體內(nèi)環(huán)境的相對穩(wěn)定與協(xié)調(diào)。通過這種啟發(fā)得到的一種新型的計算方法:免疫優(yōu)化算法。該算法具有強(qiáng)大的識別能力、記憶能力、適應(yīng)能力和學(xué)習(xí)能力，是一種智能搜尋最優(yōu)解的算法，也是同時具備迭代過程的高級智能優(yōu)化算法[10]。2.2.1初始抗體群的產(chǎn)生由于記憶庫非空，不能直接從記憶庫中生成初始抗體群，因此只能以在可行解空間隨機(jī)生成的或者記憶庫存留的抗體為初始抗體群。此處選擇簡單編碼的方式，

?沂奔涓叢傭炔桓擼?芄磺蟮媒銜???的結(jié)果。3.3選址結(jié)果分析由圖3得到，免疫優(yōu)化算法約在第6次就呈現(xiàn)出收斂的特性。由此可以推斷出免疫算法可以在最大程度上避免陷入在局部求最優(yōu)的僵局，可以在全區(qū)域內(nèi)通過分析得到最優(yōu)化。通過MATLAB程序選定裝配式構(gòu)件生產(chǎn)基地，對得到的數(shù)據(jù)進(jìn)行分析可以看出免疫優(yōu)化算法的快速收斂特性可以減少算法需要迭代[15]的次數(shù)，提高了決策的效率。免疫優(yōu)化算法由于其自身的優(yōu)越性，可以避免陷入局部尋找最佳方案，保證了最優(yōu)方案的質(zhì)量。圖2裝配式建筑構(gòu)件生產(chǎn)基地選址方案Fig.2Siteselectionplanforfabricatedbuildingcomponentproductionbase表1需求點相對坐標(biāo)及需求量Table1Demandpointrelativecoordinatesanddemand編號坐標(biāo)需求量編號坐標(biāo)需求量編號坐標(biāo)需求量1(200,163)2513(269,14)8025(10,115)802(43,63)9014(296,156)9026(264,89)503(39,37)9015(191,290)5027(109,53)604(226,262)6316(273,75)6028(110,129)705(147,223)9017(111,47)3729(184,162)506(290,300)7018(31,274)6030(97,40)567(283,251)4019(263,33)4031(79,239)798(234,151)9020(216,88)9032(227,172)459(51,49)6721(183,196)3533(240,11)6010(244,64)7022(14,185)7034(252,125)7811(136,87)3823(66,54)9035(282,43)8012(237,35)4024(123,107)6036(185,23)56表2構(gòu)件生產(chǎn)基地與需求點之間的關(guān)系Table2Relationshipbetweencomponentproductionbaseanddemandpoint生產(chǎn)基地編號248311927覆蓋的需求點編號2,3,9,23,254,6,7,151,8,14,20,21,29,32,345,18,22,3110,12,13,16,19,26,33,35,3611,17,24,27,28,30目標(biāo)函數(shù)值

【參考文獻(xiàn)】：
期刊論文
[1]裝配式建筑發(fā)展效率影響因素分析[J]. 康曉輝,孫金穎,金占勇,王穎.  建筑經(jīng)濟(jì). 2019(03)
[2]裝配式建筑產(chǎn)業(yè)基地選址影響因素分析[J]. 劉曉君,劉欣惠.  數(shù)學(xué)的實踐與認(rèn)識. 2019(02)
[3]基于Matlab的數(shù)字圖像處理綜合設(shè)計性實驗[J]. 龔黎華,朱啟標(biāo),周志洪,周南潤.  實驗技術(shù)與管理. 2018(11)
[4]基于模糊層次分析法的裝配式建筑PC構(gòu)件廠選址[J]. 羅倩蓉,董茜月,曾德珩.  土木工程與管理學(xué)報. 2018(03)
[5]裝配式建筑預(yù)制構(gòu)件生產(chǎn)基地規(guī)劃選址研究[J]. 胡韞頻,謝執(zhí)政,童明德,鄒松,李輝,陳憲清.  建筑經(jīng)濟(jì). 2018(04)
[6]建筑構(gòu)件配送中心選址問題研究[J]. 崔曉.  價值工程. 2017(12)
[7]Sample Bound Estimate Based Chance-constrained Immune Optimization and Its Applications[J]. Zhu-Hong Zhang,Kai Yang,Da-Min Zhang.  International Journal of Automation and Computing. 2016(05)
[8]基于免疫優(yōu)化算法的冷鏈物流配送中心選址研究[J]. 殷月.  物流技術(shù). 2016(07)
[9]基于免疫算法的TD-SCDMA網(wǎng)絡(luò)基站選址優(yōu)化[J]. 張英杰,毛賜平,俎云霄,孫先佑.  通信學(xué)報. 2014(05)
[10]免疫記憶克隆算法求解3G基站選址優(yōu)化問題[J]. 朱思峰,陳國強(qiáng),張新剛.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2011(07)



本文編號：3093011