打开文本图片集

摘 要：装配式建筑业长期以来存在的工期延长、成本超标、过量排放等问题。本文提出一种优化建筑施工工序的方法，该方法将施工工序解析为蚂蚁的随机路径；接着建立施工子目标，计算施工总目标，更新信息素，以及更新蚂蚁路径；最后构建递归模糊小波小脑关节控制神经网络去实现子目标权重的更新、信息素因子的更新。实现装配式建筑施工工序的优化施工安排。

关键字：装配式建筑施工，蚁群算法，工序多目标优化

中国分类号： 文献标识码： 文章编号：

近年来，装配式建筑在建筑行业的发展前景远超于其他建筑类型，并且符合国家绿色发展理念。以往的建筑施工都是凭借着建筑师的经验来判断，建筑地区常受地质因素和工程因素等综合影响，这些因素大部分具有随机性、不确定性、非线性等特点，从而会对建筑师判断造成影响，进而产生安全隐患、成本超标等问题。本文利用非线性能力、去噪容错能力强的小波神经网络和具有全局优化、稳健性好的蚁群算法构建蚁群小波神经网络，建立更精确、可靠的施工子目标，实现装配式建筑施工工序的最优安排。

1.建筑施工工序多目标优化的框架

本文提出的一种基于神经网络优化的蚁群算法在建筑施工工序多目标优化的应用的框架图如图1所示

2.装配式建筑施工工序建立

首先，装配式建筑施工工序有：土地构件入场及检查、架设装备支撑、基层与施工面清理、预埋件布置、叠合板吊装运输、叠合板安装就位、灌浆作业、节点保护、现场清理等流程。同时，通过资料搜集与现场调研，能够获得装配式建筑施工每道工序的人工、材料、消耗、质量等情形。具体来说，装配式建筑施工的安装涉及到多目标的优化问题，具体表现为工期、成本、安全、排放、质量的综合优化目标。

接着，分析装配式建筑的每个施工工序的施工模式，有正常模式、赶工模式和节约模式三种，对于不用的模式下，每个工序所要耗费的工期、承受的成本、碳排放、保证的质量有所不同。根据每个施工工序所选择的施工模式不同，采用蚁群算法的蚂蚁随机路径，得到施工工期、成本、安全、排放、质量的子目标。

3. 蚂蚁路径的建立

首先定义：每个施工子目标的权重，是工期子目标的权重值，是成本子目标的权重值，是安全子目标的权重值，是排放子目标的权重值，是质量子目标的权重值。是工期子目标，是成本子目标，是安全子目标，是排放子目标，是质量子目标。计算施工的总目标为：

最后模型的优化权重采用梯度下降法进行优化。

5. 总结

根据本文提出利用一种基于神经网络优化的蚁群算法的综合优化装配式建筑施工工序，解决了装配式建筑业长期以来存在工期延长、成本超标、过量排放等问题。

参考文献：

[1]陈朝军. 边坡可靠性分析的蚁群小波神经网络研究.[J]四川建筑，2012，32（1），100-103

[2]于飞，卢朝霞.基于改进蚁群算法的四足巡检机器人 全局路径规划方法.[J]制造业自动化，2022，44（7），155-157

[3]刘香香，孙凤.基于蚁群算法的装配式建筑施工工序多目标优化模型[J].土木工程与管理学报，2021，38（03）：113118.DOI：10.13579/j.cnki.2095-0985.20210608.001.

作者简介：

邵振华，闽江学院，副教授（通讯邮箱：365214714@qq.com）