Ulepszony wielokryterialny animowany algorytm optymalizacji owsa dla projektowania organizacji robót w warunkach ograniczonych zasobów

Dlaczego harmonogramy budów potrzebują inteligentniejszego planowania

Gdy w zatłoczonym mieście powstaje nowy blok mieszkalny lub kompleks mieszkaniowy, błędne ustalenie harmonogramu może skutkować rosnącymi kosztami, bezczynnością pracowników przez tydzień i brakami pracy w następnym oraz zdenerwowanymi przyszłymi mieszkańcami czekającymi na klucze. W artykule przedstawiono nową metodę planowania komputerowego, która traktuje harmonogramowanie budowy jak złożoną łamigłówkę z wieloma kompromisami — ile trwa projekt, ile kosztuje i jak równomiernie wykorzystywani są pracownicy — i pokazuje, jak algorytm inspirowany naturą może znaleźć lepsze rozwiązania niż obecne narzędzia.

Duże miejskie projekty, splątane cele

Współczesne projekty budowlane muszą jednocześnie godzić kilka celów. Inwestorzy chcą, by budynki były szybciej ukończone, aby szybciej generować przychody. Wykonawcy muszą ograniczać koszty, by utrzymać rentowność. Kierownicy budów muszą utrzymywać załogi w pracy, ale nie przeciążać ich, radząc sobie z ograniczeniami dotyczących liczby dostępnych pracowników każdego dnia. Tradycyjne techniki planowania, takie jak ręcznie tworzone wykresy Gantta czy proste reguły programowe, często traktują następnie tylko jeden cel — zwykle całkowity czas trwania projektu — i mocno opierają się na doświadczeniu. W złożonych projektach miejskich przy napiętych terminach i ograniczonej sile roboczej może to prowadzić do opóźnień, przekroczeń kosztów i chaotycznych wahań zapotrzebowania na pracowników z dnia na dzień.

Ucząc się od toczących się nasion

Badanie opiera się na stosunkowo nowej metodzie optymalizacji „inspirowanej przyrodą” zwanej Animowaną Optymalizacją Owsa, która naśladuje sposób, w jaki nasiona dzikiego owsa toczą się i katapultują po ziemi, aby znaleźć dobre miejsca do kiełkowania. W pierwotnej wersji zachowanie to stosowano do rozwiązywania problemów jednocelowych: nasiona początkowo szeroko wędrują (eksploracja), a następnie osiadają w obiecujących obszarach (dostrajanie). Autorzy rozwijają ten pomysł tak, aby mógł obsługiwać wiele celów jednocześnie, tworząc tzw. Wielokryterialny Animowany Algorytm Optymalizacji Owsa, czyli MOAOO. Zamiast szukać jednego „najlepszego” rozwiązania, metoda przeszukuje rodzinę harmonogramów, z których każdy równoważy czas, koszt i płynność wykorzystania siły roboczej w różny sposób.

Przekształcanie budowy w problem poszukiwania

Aby zastosować metodę, badacze najpierw przekształcili rzeczywisty mały projekt budowy mieszkaniowej w Chengdu w Chinach w model matematyczny. Każde zadanie budowlane — takie jak wykopy, fundamenty, prace konstrukcyjne i montaż urządzeń — ma czas rozpoczęcia, czas trwania i przypisaną liczbę pracowników. Zadania muszą zachować logiczną kolejność (nie można wznosić ścian przed fundamentem), a istnieje dzienne ograniczenie górne dostępnej siły roboczej. Model śledzi trzy wielkości: całkowity czas trwania projektu, całkowity koszt (głównie praca plus stała kwota za zadanie i kary za nadgodziny) oraz jak bardzo całkowita liczba pracowników na placu budowy zmienia się z dnia na dzień. Równomierny wykres zatrudnienia oznacza mniej szczytów i dolin, co ułatwia rekrutację, szkolenia i zarządzanie nadgodzinami.

Jak nowy algorytm eksploruje opcje

MOAOO uruchamia populację „kandydackich harmonogramów”, z których każdy reprezentowany jest jak toczące się nasiono w wielowymiarowej przestrzeni. W każdej rundzie obliczeń część kandydatów jest losowo popychana, by eksplorować nowe możliwości, podczas gdy inne podążają wzorcami inspirowanymi fizyką toczenia i wahających się nasion — krótkie korekty dla lokalnej poprawy i dłuższe skoki, by wydostać się z martwych punktów. Równocześnie metoda utrzymuje ewoluującą pamięć szczególnie dobrych harmonogramów, które nie są pokonywane na żadnym z trzech celów. Te „elitarne” kandydatury pomagają kierować poszukiwaniem. Warstwowy system sprawdza i naprawia naruszenia kolejności zadań, harmonogramu i limitów zasobów, a wbudowany monitor przerywa poszukiwanie wcześniej, gdy poprawki stają się minimalne, oszczędzając czas obliczeń.

Co metoda osiąga w praktyce

Na przykładzie projektu mieszkaniowego w Chengdu autorzy pokazują, że MOAOO może szybko wygenerować szeroki zakres wykonalnych harmonogramów. W testach algorytm zwykle zbiegał w około 118 rund obliczeniowych. Jeden harmonogram skupiony na czystej szybkości skrócił czas trwania projektu o około jedną piątą w porównaniu z bazą, choć kosztem wyższych wydatków. Inny harmonogram minimalizował koszty kosztem dłuższego czasu budowy. Co najbardziej uderzające, harmonogram kompromisowy ukończył projekt w 279 dni przy koszcie około 1,34 miliona dolarów, jednocześnie zmniejszając fluktuacje w wykorzystaniu siły roboczej o 72,7 procent. Oznacza to, że załogi są wykorzystywane znacznie bardziej równomiernie w czasie, co jest atrakcyjne dla rzeczywistych wykonawców chcących unikać skoków nadgodzin i okresów bezczynności.

Dlaczego to ma znaczenie dla przyszłych projektów budowlanych

Poza jednym przypadkiem, zespół przetestował MOAOO na standardowych benchmarkach matematycznych i stwierdził, że jest on konkurencyjny lub lepszy od kilku dobrze znanych metod optymalizacji wielocelowej, co sugeruje, że podejście jest szeroko uzasadnione. Dla laika główne przesłanie jest takie, że harmonogramy budów nie muszą już być sztywnymi, ręcznie dostrajanymi kompromisami. Dzięki czerpaniu pomysłów z tego, jak nasiona poruszają się w naturze, ten algorytm może automatycznie zasugerować wiele różnych planów, z których każdy na przejrzysty sposób godzi czas, pieniądze i stabilność wykorzystania siły roboczej. Kierownicy projektów mogą następnie wybrać harmonogram najlepiej dopasowany do ich priorytetów i ograniczeń, co sprawia, że budownictwo miejskie staje się bardziej przewidywalne, efektywne i odporne.

Cytowanie: Xue, Q., Wu, C., Nie, J. et al. An improved multi-objective animated oat optimization algorithm for resource-constrained construction project organization design. Sci Rep 16, 10239 (2026). https://doi.org/10.1038/s41598-026-39502-7

Słowa kluczowe: harmonogramowanie budowy, optymalizacja wielokryterialna, zarządzanie zasobami, algorytmy inspirowane przyrodą, planowanie projektu