一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法与流程

1.本发明属于电力工程造价技术领域，特指一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法。


背景技术：

2.变电站工程造价决策方案的质量决定着整个工程造价环节的管控效果。随着智能算法与模型的发展，工程造价相关技术的发展也进入了新篇章。目前变电站工程造价决策方案的制定主要由相关领域专家根据经验并结合工程实际人工决策，在各领域发展日新月异与变化无常的市场形势下，现有造价决策方案只能在工程应用中起到一部分的指导作用，在实际造价管控工作中，现有技术方法无法为工程造价全周期管控提供有效帮助。因此，将智能优化算法与模型应用到变电站工程造价决策方案的制定工作用尤为必要。


技术实现要素：

3.针对现有技术存在的不足，本发明提出一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法，通过对变电站工程造价决策方案的细化拆分与信息赋予，结合多目标智能优化算法求解满足工程实际约束条件下的最优造价决策方案。为变电站工程造价有效的全周期管控提供前提保障。
4.本发明的目的是这样实现的：一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法，包括以下步骤：
5.步骤1：方案拆分，将变电站工程造价方案拆分成技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块；
6.步骤2：信息赋予，对拆分完成的技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块进行信息赋予；
7.步骤3：依据步骤2中对各版块赋予的信息，构造目标函数与约束条件；
8.步骤4：根据改进多目标蜻蜓优化算法进行最优化求解，得到既定工程设计方案下的最优造价决策方案。
9.进一步地，步骤1中，将所述技术环节板块、管理环节板块、供应链环节板块与安全保障环节版块均细化至具体工程量或管理水平子变量，各变量用a,b,c,d,e表示，其分别代表技术环节、管理环节、供应链环节、施工方案环节、安全保障环节变量；
10.其中，各环节变量包括若干子变量，其表示为：
[0011][0012][0013]
…
[0014]
[0015]
其中，na,nb,...,ne分别表示各环节变量包含子变量的数量。
[0016]
进一步地，步骤2中，结合当前市场形势与季节特点，依据不同环节对其子变量选择性赋予数量、设备单价、管理费用、施工费用、施工时间、施工方管理水平、现场管理水平、工作人员技术水平、安全保障管理水平等信息。
[0017]
进一步地，步骤3中，构建目标函数为：
[0018][0019]
f1＝g(a)+g(b)+g(c)+g(d)+g(e)
[0020]
f2＝[h(a)+h(b)+h(c)+h(d)+h(e)]-1
[0021]
其中，f1为变电站工程造价各环节板块中包含价格信息数据计算得到预算造价和；f2为变电站工程造价各环节板块中包含管理水平等体现造价方案综合水平信息数据计算得到的优选指数和的倒数；g(
·
)为预算造价计算函数；h(
·
)为造价方案综合水平计算函数；
[0022]
约束条件包括：工程预算限额下限、施工工期上限、工程量上下限、各类管理水平下限等不等式约束。
[0023]
进一步地，步骤4中，所述改进多目标蜻蜓优化算法包括：
[0024]
建立模型并初始化多目标蜻蜓优化算法相关参数：
[0025][0026]
其中，pi为第i蜻蜓个体的分离度；xi为第i蜻蜓个体位置；xj为第j邻近蜻蜓个体位置；n为蜻蜓个体数量；
[0027][0028]
其中，qi为第i蜻蜓个体的对齐度；vj为第j邻近蜻蜓个体的速度；
[0029][0030]
其中，ri为第i蜻蜓个体的聚集度；
[0031]
si＝x
′‑
x
[0032]
ui＝x
″
+x
[0033]
其中，si与ui分别表示第i蜻蜓个体的吸引度与驱散度；x
′
与x
″
分别表示吸引与驱散蜻蜓个体的食物位置与天敌位置；
[0034]
蜻蜓个体运动修正量为：
[0035]
δx
t+1
＝(ppi+qqi+rri+ssi+uui)+e-t
wδx
t
[0036]
其中，p、q、r、s、u分别为分离度、对齐度、聚集度、吸引度与驱散度的权重因子；w为蜻蜓个体位置修正量继承权重；t为迭代次数；
[0037]
修正蜻蜓个体位置：
[0038]
x
t+1
＝x
t
+δx
t+1
。
[0039]
本发明相比现有技术突出且有益的技术效果是：本发明在细化拆分变电站工程造价决策方案各主要环节的基础上，通过该领域技术专家结合市场形式对上述各环节信息赋予各类属性，使造价决策方案的优化工作更佳满足工程实际、符合当前市场环境。通过多目标蜻蜓优化算法求解最优造价决策方案，使造价决策方案的制定更佳科学，尽可能减少造价决策方案最终确定的主观影响。该方法为变电站造价决策方案指定工作，提供更加科学的技术保障，并进一步对变电站工程造价的全周期各环节提供良好的基础保证。
附图说明
[0040]
图1为本发明方法流程图；
[0041]
图2为本发明实施例应用效果图。
具体实施方式
[0042]
为了使本技术领域的人员更好的理解本发明中的技术方案，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0043]
本发明提供一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法，包括以下步骤：
[0044]
步骤1：方案拆分，相关造价领域工作人员将变电站工程造价方案拆分成技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块；
[0045]
相关造价领域工作人员将造价工作细化，将所述技术环节板块、管理环节板块、供应链环节板块与安全保障环节版块均细化至具体工程量或管理水平子变量，各变量用a,b,c,d,e表示，其分别代表技术环节、管理环节、供应链环节、施工方案环节、安全保障环节变量；
[0046]
其中，各环节变量包括若干子变量，其表示为：
[0047][0048][0049]
…
[0050][0051]
其中，na,nb,...,ne分别表示各环节变量包含子变量的数量；
[0052]
步骤2：信息赋予，相关工作人员参考当前市场形式，对拆分完成的技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块进行信息赋予；
[0053]
相关造价领域工作人员结合当前市场形势与季节特点，对拆分的变电站工程造价方案各环节子变量进行信息赋予，依据不同环节对其子变量选择性赋予数量、设备单价、管理费用、施工费用、施工时间、施工方管理水平、现场管理水平、工作人员技术水平、安全保
障管理水平等信息；
[0054]
步骤3：依据步骤2中对各版块赋予的信息，构造目标函数与约束条件，构建目标函数为：
[0055][0056]
f1＝g(a)+g(b)+g(c)+g(d)+g(e)
[0057]
f2＝[h(a)+h(b)+h(c)+h(d)+h(e)]-1
[0058]
其中，f1为变电站工程造价各环节板块中包含价格信息数据计算得到预算造价和；f2为变电站工程造价各环节板块中包含管理水平等体现造价方案综合水平信息数据计算得到的优选指数和的倒数；g(
·
)为预算造价计算函数；h(
·
)为造价方案综合水平计算函数；
[0059]
约束条件包括：工程预算限额下限、施工工期上限、工程量上下限、各类管理水平下限等不等式约束。
[0060]
步骤4：根据改进多目标蜻蜓优化算法进行最优化求解，得到既定工程设计方案下的最优造价决策方案；
[0061]
所述改进多目标蜻蜓优化算法包括：
[0062]
建立模型并初始化多目标蜻蜓优化算法相关参数：
[0063][0064]
其中，pi为第i蜻蜓个体的分离度；xi为第i蜻蜓个体位置；xj为第j邻近蜻蜓个体位置；n为蜻蜓个体数量；
[0065][0066]
其中，qi为第i蜻蜓个体的对齐度；vj为第j邻近蜻蜓个体的速度；
[0067][0068]
其中，ri为第i蜻蜓个体的聚集度；
[0069]
si＝x
′‑
x
[0070]
ui＝x
″
+x
[0071]
其中，si与ui分别表示第i蜻蜓个体的吸引度与驱散度；x
′
与x
″
分别表示吸引与驱散蜻蜓个体的食物位置与天敌位置；
[0072]
蜻蜓个体运动修正量为：
[0073]
δx
t+1
＝(ppi+qqi+rri+ssi+uui)+e-t
wδx
t
[0074]
其中，p、q、r、s、u分别为分离度、对齐度、聚集度、吸引度与驱散度的权重因子；w为蜻蜓个体位置修正量继承权重；t为迭代次数；
[0075]
修正蜻蜓个体位置：
[0076]
x
t+1
＝x
t
+δx
t+1
。
[0077]
蜻蜓优化算法收敛后，即可得到造价决策方案优化工作中各环节的技术权重。
[0078]
蜻蜓优化算法收敛后，变电站工程造价决策方案优化工作中各环节的技术权重如下表所示：
[0079]
变电站工程造价决策方案优化工作中各环节的技术权重
[0080][0081]
上述实施例仅为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明说明中所使用的术语，只是为了描述具体得实施方式的目的，不是旨在于限制本发明。

技术特征：
1.一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法，其特征在于：包括以下步骤：步骤1：方案拆分，将变电站工程造价方案拆分成技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块；步骤2：信息赋予，对拆分完成的技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块进行信息赋予；步骤3：依据步骤2中对各版块赋予的信息，构造目标函数与约束条件；步骤4：根据改进多目标蜻蜓优化算法进行最优化求解，得到既定工程设计方案下的最优造价决策方案。2.如权利要求1所述的基于改进多目标蜻蜓优化算法的造价决策方案优化方法，其特征在于：步骤1中，将所述技术环节板块、管理环节板块、供应链环节板块与安全保障环节版块均细化至具体工程量或管理水平子变量，各变量用a,b,c,d,e表示，其分别代表技术环节、管理环节、供应链环节、施工方案环节、安全保障环节变量；其中，各环节变量包括若干子变量，其表示为：其中，各环节变量包括若干子变量，其表示为：
…
其中，n
a
,n
b
,
…
,n
e
分别表示各环节变量包含子变量的数量。3.如权利要求1所述的基于改进多目标蜻蜓优化算法的造价决策方案优化方法，其特征在于：步骤2中，结合当前市场形势与季节特点，依据不同环节对其子变量选择性赋予数量、设备单价、管理费用、施工费用、施工时间、施工方管理水平、现场管理水平、工作人员技术水平、安全保障管理水平等信息。4.如权利要求1所述的基于改进多目标蜻蜓优化算法的造价决策方案优化方法，其特征在于：步骤3中，构建目标函数为：f1＝g(a)+g(b)+g(c)+g(d)+g(e)f2＝[h(a)+h(b)+h(c)+h(d)+h(e)]-1
其中，f1为变电站工程造价各环节板块中包含价格信息数据计算得到预算造价和；f2为变电站工程造价各环节板块中包含管理水平等体现造价方案综合水平信息数据计算得到的优选指数和的倒数；g(
·
)为预算造价计算函数；h(
·
)为造价方案综合水平计算函数；约束条件包括：工程预算限额下限、施工工期上限、工程量上下限、各类管理水平下限等不等式约束。5.如权利要求1所述的基于改进多目标蜻蜓优化算法的造价决策方案优化方法，其特征在于：步骤4中，所述改进多目标蜻蜓优化算法包括：建立模型并初始化多目标蜻蜓优化算法相关参数：
其中，p
i
为第i蜻蜓个体的分离度；x
i
为第i蜻蜓个体位置；x
j
为第j邻近蜻蜓个体位置；n为蜻蜓个体数量；其中，q
i
为第i蜻蜓个体的对齐度；v
j
为第j邻近蜻蜓个体的速度；其中，r
i
为第i蜻蜓个体的聚集度；s
i
＝x
′‑
xu
i
＝x
″
+x其中，s
i
与u
i
分别表示第i蜻蜓个体的吸引度与驱散度；x
′
与x
″
分别表示吸引与驱散蜻蜓个体的食物位置与天敌位置；蜻蜓个体运动修正量为：δx
t+1
＝(pp
i
+qq
i
+rr
i
+ss
i
+uu
i
)+e-t
wδx
t
其中，p、q、r、s、u分别为分离度、对齐度、聚集度、吸引度与驱散度的权重因子；w为蜻蜓个体位置修正量继承权重；t为迭代次数；修正蜻蜓个体位置：x
t+1
＝x
t
+δx
t+1
。

技术总结
本发明公开一种基于改进多目标蜻蜓优化算法的造价决策方案优化方法，属于电力工程造价技术领域，包括如下步骤：步骤1：方案拆分，将变电站工程造价方案拆分成技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块；步骤2：信息赋予，对拆分完成的技术环节板块、管理环节板块、供应链环节板块与安全保障环节板块进行信息赋予；步骤3：依据步骤2中对各版块赋予的信息，构造目标函数与约束条件；步骤4：根据改进多目标蜻蜓优化算法进行最优化求解，通过多目标蜻蜓优化算法求解最优造价决策方案，使造价决策方案的制定更佳科学，尽可能减少造价决策方案最终确定的主观影响。可能减少造价决策方案最终确定的主观影响。可能减少造价决策方案最终确定的主观影响。


技术研发人员：闫雷 李海龙 王仲攀 林剑锋 许志勇 焦勇 张殿璋 刘瑞 张志国 朱冀涛 刘晓龙 王磊 刘金慧 王照华 马洪波 吴兴林 栾凌 吴达 姚航 薛琪
受保护的技术使用者：国家电网有限公司
技术研发日：2021.12.07
技术公布日：2022/3/8