<ol id="ebnk9"></ol> 
打開文本圖片集
摘 要：建筑節能設計中，需要考慮的節能因素較多，評估指標分布較為分散，預算估計中的約束條件過于復雜，導致結果偏差較大。引入遺傳優化約束條件的節能建筑預算評估模型，將不同需求的建筑節能因素進行分類，根據建筑節能特性建立非線性預算評估目標函數，對構建預算評估約束條件的NP-Hard性質采用遺傳算法進行求解，得到最優節能建筑預算評估模型。仿真實驗表明，這種方法能夠針對建筑中節能因素的特點建立準確的預算評估模型，提高了預算的準確性。
關鍵詞：建筑節能;遺傳優化;約束條件
中圖分類號：TP181 文獻標識碼：A 文章編號：1672-2442（2015）02-0033-05
Analysis & Research of the Budget Optimization Model of
Optimal Energy-saving Building
Zhang Zhen，Wang Yumiao
（Branch of Jilin Normal University， Siping Jilin 136000，China）
Abstract：Since many energy saving elements need to be taken into consideration， the distribution of evaluation index is fragmented， and the constraints in budget evaluation is excessively complex， the result deviation in the design of building energy efficiency is bigger. The energy-saving construction budget evaluation model which introducing the constraint conditions of genetic optimization will classify the different building energy efficiency factors， and then establish a nonlinear budget evaluation objective function according to the character of building energy efficiency， using genetic algorithm to solve the nature of NP- Hard， which constructs the constraint conditions of budget evaluation， eventually we will get the optimal energy-saving construction budget evaluation model. Simulation experiments show that this method can set up accurate budget evaluation model according to the characteristics of energy saving factors in construction， thus improving the accuracy of the budget.
Keywords：building energy efficiency; genetic optimization; constraint condition
引言
隨著建筑施工技術的飛速發展和節能概念的廣泛應用，建筑的節能環保成為人們居住生活的重要理念。其中，建筑的綠色節能概念作為新一代建筑理念的核心，正逐漸成為加快經濟增長和提高產業效益的關鍵，成為未來建筑施工行業的新趨勢[1]。在日益普及和優化的綠色環保理念下，傳統的建筑預算評估模式已不能滿足人們對節能環保的新需求，這使得考慮節能因素的建筑預算評估模式逐漸受到重視。當前的建筑預算評估就是為滿足日趨復雜的評估約束條件，產生的一種服務到建筑細節的新型建筑預算評估模式。對于當前新型的節能建筑預算評估模型，因其需求量大且約束條件分散、復雜等，相應的評估模型具有高復雜、非線性的特征，所以如何得到這種多約束、高復雜條件下的最優節能建筑預算評估模型，提高建筑預算評估的準確性，成為新型建筑預算評估領域需要解決的關鍵問題。
一般的建筑節能設計中，對于當前的建筑造價評估的方法，主要是利用線性函數構建預算評估模型，根據構建的預算評估模型求得最優預算值。但是對于節能條件復雜的建筑，傳統的線性函數方法不能準確構建復雜的建筑預算評估模型，這導致求得的不是最優預算值解，不能保證建筑預算評估準確性的要求[2]。因此，針對傳統的建筑造價評估方法的弊端，可以引入遺傳算法優化的建筑造價評估模型構建方法，通過將不同需求的約束條件分類，根據節能建筑的特性建立非線性目標函數，來避免傳統方法利用線性函數構建的造價評估模型不準確的問題，然后對構建模型的NP-Hard性質采用遺傳算法進行求解，進而得到最優節能建筑造價評估解，保證求解的準確性。
1 多約束節能條件下的建筑造價問題描述
多約束節能條件下的建筑造價問題，需要考慮在建筑設計期對建筑的需求量、地理位置和節能條件，通過最優節能約束條件求解出造價最優解，以求總體造價評估結果最準確，來保證建筑節能評估結果的準確性。
將節能建筑的造價評估過程用數學模型表示，求解最優節能預算解，對多約束條件下的節能建筑預算評估過程做以下規定[3]：
1）對于節能建筑設計中的約束條件，需要選擇出最優的節能條件數目、單筆造價，滿足造價評估誤差最小原則：
[Po=mink=1Ki=1nj=1n（CijXijk）] ①
式中，[P0]表示的是建筑造價評估誤差值需要滿足的原則目標函數，[Cij]表示約束條件i和約束條件j之間的數目，[Xijk]代表的是有編號的節能條件，目標函數追求的目的是建筑約束條件下的節能造價評估誤差最小。
2）對于節能建筑的造價評估過程，每個有約束條件的節能建筑目標都有著固定范圍的造價約束參數和數值。
3）節能建筑的造價評估中，各種約束條件的造價總量和其對應的造價評估值都是可預測的，并且客戶對建筑節能造價約束中波動較小的約束值設定為恒值[4]：
[Qiv=Qi=1，2，...，nGjv=Gj=1，2，...，m] ②
式中，[Qiv]表示的是客戶對造價預算中波動的速率，n表示的是該區域的造價約束預測總數，[Gjv]表示的是對應于約束中心的造價，m表示的是可產生的浮動約束的個數。
4）造價評估的周期是在大部分節能造價發生較大變化，超過模型的穩定性時，重新進行評估的時間間隔，且其對于建筑計劃周期、施工周期、完成周期需要滿足如圖1所示的關系。
<F：＼新建文件夾 （3）＼新建文件夾 （5）＼工程經濟201502＼工程二月＼工程二月-16.jpg>
圖1 三種周期關系圖
圖1中，Q表示的是約束得到的建筑預算評估值，T表示的是模型更新，可以看出建筑周期、施工周期、完成周期之間的建筑值呈遞進增加關系。
在電子商務模型中，節能建筑造價評估過程的關鍵指標有：節能因素占建筑材料的費用投入、節能因素占建筑材料配送的運輸費用。其中由于節能因素產生的建筑施工過程費用投入一般是由節能因素造成的投入規模決定的，其值變化不定，由于作為指標標定節能目標的作用不定，一般選用節能建筑造價增加的總成本作為最有評估效果的指標，標定建筑造價評估模型的評估效率和經濟效益[5-6]。對于產生的附加的節能建筑造價費用函數數學表示為：
[Fj（v）=Fj0+Ej0（v-Nj）φNj<v≤MjFj00<v≤Nj0v=0] ③
式中，[Fj（v）]表示的就是節能因素引起的建筑材料配送費用函數，[Fj0]表示的是對此配送產生的臨界附加費用，[Ej0]表示的是對于節能因素引起的建設投資系數，[Mj]分別代表的是建筑存貨量的臨界值和飽和最大值，[φ]是剩余資金指數，滿足[0<φ<1]。對于節能的建筑施工，v為實際預估消耗費用，v-[Nj]為預估消耗的剩余。其最優造價節能指標函數[Fj（v）]的變化曲線如圖2所示：
<F：＼新建文件夾 （3）＼新建文件夾 （5）＼工程經濟201502＼工程二月＼工程二月-17.jpg>
圖2 最優建筑造價評估指標函數曲線圖
由圖2可以看出，對節能建筑造價的最優造價值估計指標函數，必須滿足約束條件的非線性特征，因此傳統的線性函數方法不能準確構建節能建筑的高精度造價評估模型。為解決多約束條件下的工程造價評估非線性問題，本文提出用基于遺傳算法造價評估構建方法，下面將詳細闡述此方法。
2 基于遺傳算法的最優建筑造價評估模型
2.1 最優節能建筑工程造價模型的構建
由上文分析可知，對于多約束條件下的建筑工程，其節能引起的造價指標函數是非線性的，傳統的線性描述方法不能建立準確的造價模型，因此需要根據節能因素對建筑成本的費用投入和引起的非常規配送中心需要進行配送的運輸費用這兩個指標，構架非線性指標函數，利用模糊加法算法將兩個指標進行非線性函數實例化，得到兩個指標結合后的非線性最優節能指標函數表達式為：
[Zα=Xα⊕Yα=[XαL+YαL，XαU+YαU]] ④
式中，[Zα]就是根據節能建筑的費用投入指標[Xα]和運輸費用[Yα]這兩個指標，進行模糊加法后得到的節能預算條件下的建筑預算非線性最優指標函數，L、U表示的是兩個指標的權重系數。
基于節能建筑工程造價的非線性最優節能指標函數，將節能建筑工程造價的評估過程進行數學描述，根據節能建筑中的需求量多、需求頻繁、節能因素分散等特點，根據最優評估結果的原則，構建節能建筑中的最優工程造價評估模型：
[Qα"Zα=min{mi∈Lj∈LHijj∈JxijJ+i∈LZα（xij）+mi∈Lj∈Jl∈UCijxijL+j∈LZα（wjxij）+mj∈Ji∈L（xijL）θSjl+j∈Jk∈KBjkzjk+j∈JSjl}] ⑤
式中，[Qα|Zα]表示的是構建的節能建筑中的最優工程造價評估模型，[Hij]表示的是由于運輸節能建筑材料從中心i配送j數目的材料所生成的成本，[Zα]即為上文根據模糊加法得到的非線性指標函數，[Cij]代表的是從中心i配送j數目的建筑材料運輸費用，[Sij]代表的是其他的冗余費用。[Bjk][Bjk?zjk]為意外損耗費用。
以上指標在模型中形成最小化的評估誤差配置，表示工程造價的評估過程實現最優。
考慮節能因素的建筑工程造價評估模型要實現最優造價評估目標，這需要在模型基礎上加載約束條件，以保證節能建筑的造價評估過程最優化，所以針對公式⑤構建的工程造價評估模型，需要加載的約束條件為：
[mi∈Lxijl=k∈KCkjZαjki∈Lj∈UwjxijL≤HjYjj∈UYj≤P] ⑥
式中，[wj]表示的是因為節能引起的建筑運輸[xijL]的耗能系數，需要滿足誤差最優的原則，運輸費用指標[Yj]，并且節能建筑所有造價費用[Yj]的和要小于最優約束閾值P。
2.2 遺傳算法求解工程造價最優解
在上文方法構建的節能建筑工程造價的最優評估模型基礎上，采用遺傳算法求解節能建筑中的造價評估解。因節能建筑的造價評估過程具有與遺傳相似的近鄰特性，故而采用遺傳算法能夠求解工程造價模型，得到更準確的最優造價解。
1）根據節能建筑造價評估中的節能造價約束指標非線性特性，設定遺傳粒子的初始狀態值為：
[Xhd=（（1-αl）Ad3+αlAdh2）/m1≤h≤Num，1≤d≤Dim] ⑦
式中，[Xh]表示的是遺傳粒子群的初始狀態函數，h是粒子位置，[αl]表示的是粒子群初始數目，[A（.）]代表的是粒子群在不同位置的初始狀態。
2）為初始狀態化的遺傳粒子設定非線性遺傳位置適應函數：
[f（X0h）=G0（X0h）+vol1×PE3] ⑧
式中，[f（X0h）]表示的就是遺傳位置適應函數，[G0（X0h）]是非線性目標遺傳粒子函數，[PE3]是粒子違反遺傳規則的懲罰系數。
3）根據遺傳算法規則，進行遺傳粒子的更新：
[Vk+1hd=ωVkhd+c1ξ（Pkhd-Xkhd）+c2η（Pkhd-Xkhd）] ⑨
式中，[Vk+1hd]表示的是遺傳粒子從[Vkhd]遺傳更新后的新粒子狀態，[ξ]、[η]是更新迭代系數，[Pkhd]是粒子遺傳更新的監督規則。
4）根據遺傳規則，以非線性指標函數為原則，利用遺傳粒子的遺傳迭代算法，對節能建筑的工程造價模型進行最優節能解的求解，經過k（據實際模型而定）次遺傳迭代后，得到最優節能解。
綜上所述，根據遺傳算法與節能建筑造價中的近鄰特性，可以通過遺傳算法的多次遺傳迭代進而求得模型的最優解，避免傳統方法使用線性目標函數的模型構建不準確的問題。
3 仿真實驗及實驗結果對比分析
實驗采用windows操作系統，利用MATLAB仿真軟件，構建節能建筑的工程造價模型，基于仿真編程軟件實現傳統的SUV評估方法和文中提出的引入遺傳算法的節能建筑造價模型構建的方法編程。本文選取了中部地區某省的14棟磚混結構住宅樓作為樣本數據，其中前13個作為訓練樣本，第14個作為測試樣本。14棟住宅樓的六個屬性及需要預測的單方造價屬性如表1所示。
根據以上的數據，分別采用傳統的SUV線性函數構建工程造價模型方法和本文研究的基于遺傳算法的工程造價模型最優分析方法進行仿真實驗。通過仿真實驗，記錄實驗過程中的數據，利用Matlab工具計算實驗結果參數值，并繪制對比曲線圖，得到實驗結果對比曲線圖如圖3所示。
<F：＼新建文件夾 （3）＼新建文件夾 （5）＼工程經濟201502＼工程二月＼工程二月-18.jpg>
圖3 實驗結果對比曲線圖
由上述實驗結果數據對比分析可知，由圖3可以看出隨著迭代次數的增加，本文研究的基于遺傳算法的工程造價模型分析方法，通過構造非線性目標函數，準確搭建電子商務模型，并利用與節能造價約束問題具有相同近鄰特性的遺傳算法分析電子商務模型，能夠求解最優節能解，達到收斂的效果。
結束語
本文提出了基于遺傳算法工程造價評估模型的構建方法，通過將不同需求的約束條件分類，根據工程造價評估特性建立非線性目標函數，避免傳統方法利用線性函數構建的評估模型不準確的問題，然后對構建模型的NP-Hard性質采用遺傳算法進行求解。仿真實驗表明，這種方法能夠得到最優節能建筑工程造價模型，并求得最優節能解，保證造價評估的準確性。
參考文獻
[1] Patrick G M.The World Wide Web and Electronic Commerce[M].NewYoke：JohnWiley&SonsInc，2008，1-20.
[2] Nadarajah S.Information matrix forlogistic distributions[J]. Mathematical And Computer Modelling，2012，40（9-10）：953-958.
[3] Dimitroy p. Logistics in Bulgarian manu- facturing companies[J].Int.J.Production Economics，2009，93（94）：207-209.
[4] 牛東曉，乞建勛，邢棉.建筑工程造價估計的變結構神經網絡模型研究[J].華北電力大學學報，2001，28（4）：1-4.
[5] 許寧.基于模糊神經網絡的建筑工程造價估計方法[J].江漢石油學院學報，2000，22（1）：87-88.
[6] 牛東曉，邢棉.時間序列的小波神經網絡估計模型的研究[J].系統工程理論與實踐，1999，19（5）：89-92.
[7] 梁節民.談施工項目管理與項目成本控制的關系[J].山西建筑，2005，31（1）：144-145.
[5] 蘇振民.基于灰關聯度的建筑工程造價模糊估測.南京建筑工程學院學報，1993（4）：40-43.
<ol id="ebnk9"></ol>