建设项目分析

文章通过对建设项目的分析，运用遗传算法和模糊综合评价方法对项目进行排序，从而寻求最佳的建设方案，期望能对建设方案决策提供科学的依据。决策，一般是指为了实现某一目标，根据客观的可能性和科学的预测，通过正确的分析、计算以及决策者的综合判断，对行动方案的选择所做出的决定。决策是整个项目管理过程中一个关键的组成部分，决策的正确与否直接关系到建设项目成败。微观决策，一般来说，建设方案决策都建立在项目可行性研究的分析评价基础上，其重要的决策依据是项目财务评价和国民经济评价的结论，然而这两者评价的前提是建设方案本身及其所赖以生存和发展的社会经济环境和市场，而建设方案的产生，并不是由投资主体的主观愿望和某种意图的简单构想就能完成的，它必须通过专家的总体策划和若干重要细节(如项目定位、系统构成、目标测定及管理运作等)等具体策划并进行实施可能性和可操作性的分析，才能使方案建立在可运作的基础上。也只有在这个基础上进行项目详细可行性研究所提供的经济评价结论才具有可实现性。因此，只有经过科学的周密的项目策划，才能为可行性研究和项目决策奠定客观而具有运作可能性的基础。原则:(l)程序化决策原则(2)民主化决策原则(3)系统性决策原则(4)定量与定性相结合的决策原则(5)反馈原则一般程序:提出问题—确定目标—搜集加工整理信息—拟定目标的多个备选方案—分析比较各种方案—由决策机构择优抉择—组织决策方案的实施一一检验决策实施效果多目标优化的概念优劣性,非劣最优解,一个多目标优化问题如果存在非劣最优解(初始解)，往往存在多个，形成非劣最优解集。在求解实际问题时，过多的非劣最优解是无法直接应用的。决策者只能选择令其最满意的一个非劣最优解作为最终解。求最终解主要有三类方法，一类是求非劣最优解的生成法，即先求出大量的非劣最优解，构成非劣最优解的一个子集，然后按照决策者的意图找出最终解，另一类为交互法，不先求出很多的非劣最优解，而是通过分析者与决策者对话的方式，逐步求出最终解。最后一类是事先要求决策者提供目标之间的相对重要程度，以此为依据，将多目标问题转化为单目标问题进行求解，该类方法也可以被认为是第一类方法的一个子方法，该类方法的难点在于，如何得到决策者需要的真实的权重信息。为了满足建设项目多方案综合评价的要求，达到正确决策的目的，需要研究的重点有:(1)建立一套完整而简捷并且具有普遍意义的建设项目综合评价的指标体系模型;(2)对定性指标的量化方法进行探讨，力求量化值尽可能客观的反映定性指标的性质:(3)指标的类型很多，希望对不同类型的指标分别给出标准化的公式进行量化处理;(4)对复杂、影响深远的问题的权重确定方法，必须尽可能的充分反映各方面的意见以期减少判断失误。本课题研究成果的成功运用可以帮助决策者考虑和分析各项可能的决策方案，定量地估算各个方案的成效，在预定的标准和约束条件下，选用最佳的方案。本课题应用的成功推广，可以避免决策工作中的随意性、主观性和盲目性，全面提高有关建设方案的决策水平，必将产生明显的社会、经济和环境效益。本文围绕建设项目的多方案问题建立了切实可行的综合评价指标体系模型，并将遗传算法结合模糊综合评价的方法应用到建设方案的决策之中，为建设方案的决策提供了科学的算法和依据。对应了上述四个研究重点，本文做了以下四项工作:(l)立足于前人的工作上，归纳总结出一套建设项目综合评价的标准评价指标体系，力求满足工程项目的全面性，摆脱人为选取指标的片面性和主观性;(2)用模糊综合评价法对定性指标进行量化，真实反映该评价指标在整个决策工作中的相对隶属度，进而对各备选方案进行排序;(3)对于不同的指标类型进行分类，有的评价指标是越小越优，有的评价指标是越大越优，还有的评价指标是越接近某一特定值越优，对此本文都给出了标准化的公式进行量化处理;(4)在确定权重的问题上，本文引入遗传算法并用C++语言编程来计算各评价指标的权重，完全避免了人为确定权重出现的判断失误，尽可能反映评价指标的真实重要程度，以保证决策工作的科学和准确。遗传算法在决策工作中的应用多目标决策遗传算法作为解决多目标决策问题的新方法受到了相当的关注，这就导致了一类新的研究和应用，称作遗传多目标决策。遗传算法作为多目标决策问题的新求解方法受到了相当程度的关注，这就诞生了进化或遗传多目标决策。向量评价遗传算法精华保留策略，1步:初始化，随机产生包括种群规模N个个体的初始种群。2步:评价，对于每个个体计算q个目标函数值。更新临时Pareto解集。每一个最大化一个目标。3步:选择，重复下面的步骤来选出对父代:用式指定随机权重，用式来计算适应值，用式计算被选择概率，为杂交操作选出一对父代个体。4步:杂交，对于选出的每一对个体，执行杂交操作产生后代。5步:变异，对杂交操作产生的每个个体执行变异操作。6步:最优性策略，从临时Pareto解集中随机选择Neliet个优秀个体。将选出的N个个体添加到前面步骤产生的个个体中以构成N个个体的种群。7步:终止测试，如果事先指定的停止条件得到满足，终止算法。否则返回第2步。由于用来操作染色体的遗传算子常常产生不可行后代，因此遗传多目标决策中的一个重要问题就是如何处理约束。适应性权重方法的整体过程归纳如下:第1步:初始化—随机产生初始种群。第2步:评价—对于每个个体计算目标值适应度值。第3步:Pareto集—更新Pareto解集。第4步:选择—使用轮盘赌方法选出下一代。第5步:产生—用杂交和变异产生后代。第6步:终止如果达到最大遗传代数，终止算法。否则返回第2步。建设项目多方案的综合评价指标体系是对可行性研究中的多个备选方案选择的依据和基础，是综合反映各方案本身和环境所构成的复杂系统的不同属性的指标，是按隶属度关系、层次原则有序的结合。综合评价指标体系的建立主要是指标选取之间结构关系的确定。对于本文中的综合评价指标体系，指标的选取和指标关系的确定，既要求对综合评价所涉及的专业领域的知识，系统评价理论等有深邃的把握，也要求必须具有丰富的应用研究经验。综合评价指标体系的建立过程理论上应该是定性和定量分析的相互结合。定性分析主要是从评价的目的和原则出发，考虑评价指标的全面性、针对性、独立性以及指标与评价方法的协调性等因素，主观确定指标和指标结构的过程;定量分析则是通过一系列检验，使得指标体系更加科学和合理的过程。在明确评价的若干方案之后的主要任务就是设置指标预选集，预选集的确定会影响到综合评价的复杂性及其结果。这一阶段应尽可能多地选取指标以构成侯选指标集。建设项目各方案的实施所产生的效果和影响是综合评价的主要内容，一般可以概括为社会、经济、建设条件和环境保护等几个方面，其中每个方面又具体分解成一些评价对象.1.社会、政治效益评价2.经济评价建设条件(1)自然条件(2)技术条件l)交通量预测、通行能力和服务水平分析预测;2)起终点选定、建设规模工程实践中，我们常常要做出某种选择或对某个方案做出一个定性或者定量的判断(如建设方案决策分析)，为了更好地做出选择或者做出准确地判断，我们需要对各个备选方法进行合理、有效、系统的评价。建设方案决策分析的一般步骤:①确定决策目标和决策对象系统;②建立评价指标体系，对复杂评价系统的评价指标体系，一般需要建立评价指标的层次结构模型;③评价指标的定量化;④评价指标的无量纲化(标准化):⑤建立评价模型(评价函数)，把一个多指标问题综合成一个单指标的形式，包括确定各评价指标的权重和各无量纲化评价指标及其权重的组合形式;⑥把评价对象的评价指标值代入评价模型，得到各评价对象的综合评价指标值，据此对各评价对象在总体上进行分类排序;⑦反馈与控制，即根据评价结果，有时需要对以上有关步骤进行相应的调整、修正和迭代过程。评价模型的建立是建设方案决策分析的核心工作。最重要的是与分类排序有关的结构.作为定性分析和定量分析综合集成的一种常用方法，模糊综合评价综合评价结果的可靠性和准确性依赖于合理确定因素的权重分配，以及评价模型的选择等。目前模糊综合评价的研究难点之一就是如何科学的、客观的将一个多指标问题综合成一个单指标形式，以便在一维空间中实现综合评价，其实质也就是如何合理地确定这些评价指标的权重。层次分析法AHP是从定性分析到定量分析综合集成的一种标准系统工程方法，主要问题是主观性强、修正标准对判断矩阵而言不能保证是最优的或只对判断矩阵的个别元素进行修正，但至今尚没有统一的修正模式，实际应用AHP时多数是凭经验和技巧进行修正，缺乏相应的科学理论和方法指导。本文提出了根据模糊评价矩阵构造用于确定各评价指标权重的判断矩阵的新思路，进一步提出了用标准遗传算法检验、修正判断矩阵的一致性和计算AHP中各要素的权重的模糊综合评价新模型，并用于建设方案决策分析的实例中。基于遗传算法的权重值计算模型步骤1:通过样本评价指标的一致无量纲化处理构造模糊评价矩阵。根据所研究评价系统的实际情况，从代表性、系统性和适应性等的角度，建立模糊综合评价的评价指标体系，由各评价指标的样本数据建立单评价指标的相对隶属度的模糊评价矩阵。模糊综合评价的最终目的就是在论域m个方案之间作相对优劣的比较，从中选择相对最优方案，这种优选与论域以外的方案无关，根据这一优化的相对性可以确定各评价指标值的相对隶属度和论域中相对优等方案与相对次等方案。步骤:2根据模糊评价矩阵R:构造用于确定各评价指标权重的矩阵B。模糊综合评价的实质是一种优选过程，从综合评价的角度看，若评价指标li的样本系列的变化程度比评价指标2i的样本系列的变化程度大，则评价指标li传递的综合评价信息比评价指标2i传递的综合评价信息多。基于此，可用各评价指标的样本标准差反映各评价指标对综合评价的影响程度，并用于构造判断矩阵B。步骤3:判断矩阵B的一致性检验、修正及权重wi的计算，要求满足:wi0和∑wi=1。现在的问题就是由己知判断矩阵B，来推求各评价指标的权重值.现对上述GA法再作初步的理论分析。层次分析法(AHP)的主要内容，就是将待评价的复杂系统各要素按其关联隶属度建立递阶层次结构模型，构造两两比较的判断矩阵，并据此求解各要素权重和检验、修正判断矩阵的一致性。GA一FcE法，直接从原判断矩阵B的一致性程度出发构造式(4.7)的修正判断矩阵的准则函数，根据式(.47)，原判断矩阵B具有完全一致性的充要条件是式(4.7)取全局最小值cIC(n)=0，该修正准则较为直观和简便;GA法通过原判断矩阵B各要素的调整来修正，因此该修正具有全局性;研究表明GA法修正幅度与目前其它修正方法相比很小，而GA法的权重的计算结果则与大多数修正方法相一致，说明GA法尽可能利用原判断矩阵的信息。在目前常用的计算判断矩阵权重的方法中〔行和正规化法、列和求逆法、和积分法因〕，只考虑判断矩阵一行或一列的影响，所以计算精度不高，常作为其它迭代方法的初值;特征值法是目前最常用的方法，它计算判断矩阵的最大特征值所对应的特征向量并归一化后作为权重，该法的不足是，在权重计一算时没有考虑判断矩阵一旦确定，权重和一致性指标就随之确定、无法改善。GA把权重计算与判断矩阵的一致性检验结合起来，在一致性指标最小化下推求权重，在判断矩阵已定的情况下，通过调整各要素的权重来改进一致性指标值，因此该方法比较完善。GA法直接根据判断矩阵的定义导出描述判断矩阵一致性程度的一致性指标系数，而目前层次分析法(AHP)常把判断矩阵的最大特征根与判断矩阵的阶数的差异来度量判断矩阵的一致性指标。可见，前者的一致性指标比后者的指标更为直观和合理。用模糊综合评价对方案进行排序它是运用模糊数学理论对方案的优劣程度进行多个因素评价或多层次评价的一种数学综合分析的方法，其特点是能将难以定量计算的影响因素通过对方案的隶属度和权重来进行分析比较，其数学模型分为一级和多级。本文针对建设方案决策特性，采用一级模型进行综合评判，基本步骤与要求如下1确定评判因素集x=x(l，…x，…，xn)式中:元素为表示对方案的影响因素，如投资、工期、工艺技术性、社会适应性等等。2.确定评判方案集y=y(l，…y，…，yn)式中:元素yj表示参与