Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Solving a stochastic time-cost-quality trade-off problemby meta-heuristic optimization algorithms

Tytuł:
Solving a stochastic time-cost-quality trade-off problemby meta-heuristic optimization algorithms
Autorzy:
Mohammadi, Mohammad Owais
Dede, Tayfun
Grzywiński, Maksym
Tematy:
stochastyczny kompromis czas-koszt-jakość
algorytmy optymalizacji
problemy optymalizacji
stochastic time-cost-quality trade-off
non-dominating sorting-II
teaching-learning-based optimization
Data publikacji:
2022
Wydawca:
Politechnika Częstochowska
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 4.0
Źródło:
Budownictwo o Zoptymalizowanym Potencjale Energetycznym; 2022, 11; 41-48
2299-8535
2544-963X
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Actual time, cost, and quality of execution options for various activities within a considered project cannot be certainly determined prior to construction, there could be three different values of time and cost for each execution option, namely, optimistic value, most likely or normal value, and pessimistic value; and the quality could be described in linguistic terms.The objective of this research is to optimize time, cost, and quality of construction projects under uncertainty utilizing the program evaluation and review technique. In this study, multi-objective functions are used to decrease total project time and total project cost whilemaximizing overall project quality. For satisfying time-cost-quality trade-off optimization, a multi-objective optimization strategy is required. The non-dominating sorting-II conceptand the crowding distance computation mechanism are combined with the teaching learning-based optimization algorithm to optimize time-cost-quality optimization problems. Non-dominating sorting-II teaching learning-based optimization algorithm is coded in MATLAB to optimize the trade-off between time, cost, and quality optimization problems. In the proposed model, the non-dominating sorting-II approach and crowding distance computationmechanism are responsible for handling objectives effectively and efficiently. Teaching learning-based optimization algorithm’s teacher and learner phases ensure that the searched solution space is explored and exploited. The proposed algorithm is applied to a 13-activity example problem, and the results show that it provides satisfactory results.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies