第一章 绪论
1.1 研究背景
一个工程总价值的优劣是由多方面因素影响构成的，这些因素之间总是存在着相互的制约性,实现工程项目的总体要求时，工程项目的各目标在利益面前是需要进行互相协调来避免各方管理之间存在的利益纠纷。也就是说要达到工程价值最大化就要求各目标关系进行平衡，多目标综合优化问题的研究在工程管理项目中的应用显得尤为重要。以往大多研究认为影响总价值优劣具体体现在项目工期、项目成本以及项目的质量方面。随着我们对管理工程项目深入的了解和认识、对项目管理方法的不断改变以及国家行业监管的正规化，影响工程项目的各目标也不再仅仅局限于上述三个目标，安全和环境友好在衡量一个项目总价值时也尤为重要。
对于多目标综合优化问题，国内外专家将之前的资源与工期的优化问题逐步往费用和工期优化问题进行延伸[1]。随着科技技术发展以及专家对算法研究的完善，逐步衍生出质量-费用模型、工期-质量模型等，这些模型的使用效果显著。但是国内的研究相对与国外的研究时间来说较短，对于算法和数据的获取与处理还有待进一步的分析和完善。在优化模型中缺乏对资源配置、安全问题以及环境方面的影响因素分析，
在此方面来讲，优化模型还需要进行深入研究，使之具有较强的实用性[2]。
...........................
1.2 国内外研究现状
1.2.1 国外研究现状
对于多目标优化问题，通过对国内外学者的研究成果进行分析，解决优化问题的求解方法主要采用简单启发式和元启发式方式以及数学方法。
在数学方法中，为了得到模型的最优解，常用的以线性和整数规划为主，但是因数学建模模型难且计算量大，很难在现今的工程管理项目中脱颖而出。例如，Kelly[3]建立的均衡优化模型即工期—成本，是模拟工期和成本的线性关系进行推演的；为了解决工期-成本均衡优化问题，有的学者采用线性规划，如 Hendrickson、Au 和 Pagnoni，而有的学者采用混合型的整数规划，如 Meyer and Shaffer[4]等；同时学者们还会选择混合的方法，如 Liu 与 Burns 等采用线性规划和整数规划相结合的方式，具体体现在用前者寻找工期—成本曲线的下界，而用后者来决定预定工期之内的解决方案。
多目标优化问题的第二种解决方法为简单启发式方法[5]，该方法的优点是可以根据经验规则，可以减少数据的搜索空间，曾经因其比较满意的结果而被应用与解决多目标优化问题，但是该方法的缺点是由于经验的局限性，缺乏一定数学意义上的严密性，且每次优化都只能对其中一个目标进行优化，并不能保证结果的最优性，在此可以看出简单启发式方法在解决多目标问题上存在一定的问题，但它主要的应用包括Siemens’s Effective cost slope Model(有效成本斜率模型)、Moselhi’s structural stiffness method(结构硬度法)以及 Fondahl’s method[6]。
多目标优化问题的第三种解决方法为元启发式方法，该方法相对与简单启发式算法层次更高，应用更广泛，该解决方法可以得出质量较优的结果，且能利用有限的计算资源和应用较少的处理时间。元启发式方法主要有各类不同的算法，如经典的蚁群算法、遗传算法和粒子群算法等。现今的科技发展迅猛，计算机和智能化技术的发展为智能算法在多目标优化问题的应用取得了显著效果。
...........................
第二章 相关理论概述
2.1 项目管理相关理论
2.1.1 项目管理的内涵
工程项目管理[21]指从项目管理人员对工程建设全过程或分阶段进行的专业化管理和服务活动。管理人员通过相关技术和方法实现项目动态化管理进行的计划、组织、协调、控制等系统性活动，来解决项目各目标间互相制约互相协调的关系。通过项目管理可实现资源最优化、项目价值最高化。项目管理由项目进度、项目成本、项目质量、项目安全、项目风险、项目人力资源、材料采购、项目环保等构成。随着我国建设管理体制的改革和发展，我国对建筑行业监管力度的增加，尤其近几年对安全和环境指标的要求提升，项目管理的水平在行业竞争中显得尤为重要。项目管理是通过科学的手段进行项目组织，实现项目价值最大化的过程。
2.1.2 项目管理过程
项目管理过程是由所有的子过程组合而成的[22]，每个子过程又由若干个具体的项目管理活动所构成。一般来说，项目管理包括启动阶段、规划阶段、执行阶段、监测阶段和收尾阶段五个部分组成，也称为项目的生命周期[2]。尽管每个项目的管理过程千差万别，但每个项目必须要有完整的管理过程，并且子过程之间都具有一定的关联性。
2.1.3 工程项目安全管理
随着我国建筑行业生产快速发展，也伴随着大量安全事故的发生，给个人、国家及社会带来人、财及精神上的损失。安全管理在项目管理中愈发得到重视。
建筑施工生产特点决定了建筑业是事故多发行业，建筑行业的安全生产关系到了整个社会的经济和稳定，可以说项目的安全管理对于建筑管理组织尤为重要
建筑施工安全包括:建设工程施工安全管理、建设工程安全风险管理、安全检查与持续改进、建设工程安全隐患和安全事故的处理、职业健康安全与环境管理、安全生产环保劳动保护法律法规与标准规范等。
...................................
2.2 工程项目多目标优化的理论
2.2.1 多目标优化的定义
已有许多科学领域对多目标优化（Multi-objective Optimization）进行了研究和实践。多于一个数值目标在给定的区域上的最优化问题称为多目标优化问题[26]。单目标优化问题中的任意两个解都可比较其好坏，因此，说问题有一个最优解（如果存在最优解）是毫无争议的，而多目标优化问题中各目标之间存在对立统一的关系，对其中一个目标优化必定要劣化其他目标作为牺牲[3]，也就是说要同时让多个分目标达到最优的概率为 0，而只能在它们中间进行平衡调节和中和处理，使各个子目标函数权衡协调，尽可能地达到期望最大或最小值。多目标与单目标优化问题相比，区别在于解的唯一性，单目标问题的解只有唯一解，而多目标的解是一个最优解集合。
多目标优化（Multi-objective Optimization）是数学规划的一个分支，被广泛地应用于经济、管理、科研和工程等诸多领域，其探讨的是不止一个目标函数在可行域上的最优化[21]。相比于单目标优化，多目标优化问题的解不唯一，存在一个最优解集，称为 perato 解（以下称帕雷托解），求解过程中对任一个目标函数的优化都将导致其他目标函数的劣化，因此只能对此协调和中和处理，让各个分目标函数尽可能取最优指标。
2.2.2 多目标优化问题的基本概念
对于一个项目的优化，往往不是单一因素决定的，而这些因素还存在相互制约限制的关系，我们期望几个指标都能达到最优，称为多目标优化问题。
..............................
3.1 各因数参数的设定 ....................................... 17
3.1.1 工期因素的设定 ........................................ 17
3.1.2 成本因素的设定 ................................... 17
第四章 算法应用案例分析 .......................... 34
4.1 案例内容： ................................ 34
4.2 该工程多目标权重计算和总目标函数的确定： .............................. 35
4.3 该案例的安全目标算法：....................................... 35
第五章 结果与分析 ................................... 40
5.1 算法运算结果 ...................................... 40
5.2 环境目标模型分析 ................................... 45
5.3 改进的遗传算法多目标求解 .............................. 46
第五章 结果与分析
5.1 算法运算结果
通过 Matlab 软件操作，对样本进行二进制替换，进行数据筛选，当算法样本繁殖迭代一定数目后，得到 100 个样本符合约束，此时 100 个解的分目标函数取值如下图所示（其中，横坐标代表 100 个符合约束条件的种群个体，纵坐标根据图 T、C、Q、S、E 分别表示 100 个个体对应的分目标取值，5-3 的 F 图表示 100 个个体对应的总目标取值。）：
.........................
第六章 结论与展望
6.1 结论
随着经济水平提高和社会发展，工程项目日趋复杂，工程管理的研究意义愈加深刻。以往的研究大多是对于工期、质量、成本三个目标的优化，但安全和环境友好指标的管理对于整个工程管理系统也占重要的地位，与成本、工期、质量同样存在着相互制约相互促进的关系。因此，将以往工程管理多目标优化模型中加入安全和环境友好的因素，对于工程管理多目标优化的研究具有重要意义，对实现安全管理科学化迈出了更近的一步。本文的主要结论如下：
首先，本文对工程管理的五个分目标进行研究，对各目标的影响因素进行量化分析，并通过各目标间的影响关系建立了数学模型。尽可能寻找了考虑全面、计算充分的优秀模型。对于各分目标模型，质量目标引用了价值工程，安全模型引入网络混联系统工程可靠性结合经济学原理来构建，而环境模型则通过层次分析法构建，为考虑更全面，将施工所在地理位置和所在区域的经济水平对环境的影响因素加入模型。
其次，本文应用层次分析法对各分目标进行赋权，通过无量纲化处理后构建总目标模型，有利于定性定量相结合目标的分析，并用 Matlab 软件对实际案例进行遗传算法求解，得出符合案例约束的满意解。
最后，本文对实际案例的帕雷托解进行分析，除总目标有不同取值外，对同一个总目标 F 也有不同的分目标取值，对于环境模型分析后得出，靠近市中心的工程项目，当环境指标高于规定值时，在合适的范围内，可通过选择总工期较短的施工方案来调整的结论。此外，本文在基础的 GA 算法中加入非支配排序和拥挤度将算法进行了改进，对种群进行精英选择，更有效率地得到了更优解。为今后工程管理人员在工程项目管理中能实现价值最大化提供了更清晰理性的思路和方法。
参考文献（略）