Улучшённый многоцелевой анимированный алгоритм оптимизации «овсяного зёрна» для проектирования организации строительных работ при ограниченных ресурсах

Почему графики строительства требуют более умного планирования

Когда в плотном городском массиве возводят новый жилой дом или комплекс, ошибочный график может привести к росту расходов, к простаивающим рабочим одну неделю и их нехватке на следующей, а также к недовольству будущих жильцов, ожидающих ключи. В этой статье предлагается новый компьютерный метод планирования, который рассматривает расписание строительства как сложную задачу с множеством компромиссов — продолжительность проекта, стоимость и равномерность использования рабочих — и показывает, как натуралистично вдохновлённый алгоритм может находить решения лучше, чем современные инструменты.

Крупные городские проекты, запутанные цели

Современные строительные проекты вынуждены одновременно учитывать несколько целей. Застройщики хотят как можно быстрее ввести здания в эксплуатацию, чтобы начать получать доход. Подрядчикам необходимо сдерживать расходы, чтобы сохранять прибыльность. Руководителям площадок нужно удерживать бригады занятыми, но не перегружать их, учитывая ограничения по доступным рабочим кадрам в каждый день. Традиционные методы планирования, такие как ручные диаграммы Ганта или простые правила в софте, часто ориентируются на одну цель — обычно на общую продолжительность проекта — и сильно опираются на опыт. В сложных городских проектах с жёсткими сроками и ограниченной рабочей силой это может приводить к задержкам, перерасходам и резким колебаниям спроса на рабочую силу изо дня в день.

Учимся у катающихся семян

Исследование опирается на относительно новый «биообразованный» метод оптимизации, называемый Анимированной оптимизацией овсяного зёрна, который имитирует то, как семена дикой овсяницы катятся и отскакивают по земле в поисках подходящих мест для прорастания. В исходной версии такое поведение использовали для решения задач с одной целью: семена сначала широко блуждают (исследование), а затем оседают в перспективных областях (точная настройка). Авторы расширяют эту идею, чтобы она могла работать с несколькими целями одновременно, создав так называемый многоцелевой анимированный алгоритм оптимизации овсяного зёрна (MOAOO). Вместо поиска одного «лучшего» ответа метод ищет семейство расписаний, каждое из которых по‑разному балансирует время, стоимость и плавность использования рабочих.

Преобразование строительства в задачу поиска

Чтобы применить метод, исследователи сначала перевели реальный небольшой жилой проект в Чэнду (Китай) в математическую модель. Каждая строительная операция — например земляные работы, фундамент, монолитные конструкции и монтаж оборудования — имеет время начала, длительность и число назначенных рабочих. Задачи должны соблюдаться в логическом порядке (нельзя возводить стены до заливки фундамента), и существует суточный верхний предел доступной рабочей силы. Модель отслеживает три показателя: общую продолжительность проекта, полную стоимость (в основном оплата труда плюс фиксированная сумма на задачу и штрафы за сверхурочные) и степень колебаний общего числа рабочих на площадке по дням. Плавная кривая трудозанятости означает меньше всплесков и провалов, что упрощает найм, обучение и работу сверхурочно.

Как новый алгоритм исследует варианты

MOAOO запускает популяцию «кандидатных расписаний», каждое представлено как катящееся семя в многомерном пространстве. На каждой итерации некоторые кандидаты получают случайные сдвиги для поиска новых возможностей, в то время как другие следуют паттернам, вдохновлённым физикой качающихся и отскакивающих семян — короткие корректировки для локального улучшения и более длинные прыжки, чтобы выйти из тупиков. Одновременно метод ведёт эволюционирующую память особенно удачных расписаний, которые не уступают по ни одному из трёх показателей. Эти «элитные» кандидаты помогают направлять поиск. Многоуровневая система проверяет и исправляет нарушения порядка задач, временных ограничений и лимитов по ресурсам, а встроенный монитор останавливает поиск досрочно, когда улучшения становятся незначительными, экономя вычислительное время.

Чего метод достигает на практике

На примере чэндуньского жилого проекта авторы показывают, что MOAOO может быстро генерировать широкий набор допустимых расписаний. В их тестах алгоритм обычно сходился примерно за 118 итераций. Одно расписание, ориентированное на максимальную скорость, сократило продолжительность проекта примерно на пятую часть по сравнению с базовым вариантом, хотя и при более высокой стоимости. Другое расписание минимизировало затраты, приняв более долгий срок строительства. Наиболее примечательно компромиссное решение: завершение проекта за 279 дней при примерно $1,34 млн, одновременно сократив колебания в использовании рабочей силы на 72,7 %. Это означает, что бригады задействованы гораздо более равномерно во времени, что привлекательно для подрядчиков, стремящихся избежать всплесков сверхурочной работы и периодов простоя.

Почему это важно для будущих строительных проектов

Помимо одного примера, команда протестировала MOAOO на стандартных математических эталонах и обнаружила, что он сопоставим или превосходит несколько известных многоцелевых методов оптимизации, что говорит о широкой состоятельности подхода. Для непрофессионала основная мысль проста: графики строительства больше не обязаны быть жёсткими, вручную настроенными компромиссами. Заимствуя идеи из движения семян в природе, этот алгоритм может автоматически предложить множество планов, каждый из которых по‑разному расставляет приоритеты времени, денег и стабильности рабочей силы в прозрачной форме. Руководители проектов затем могут выбрать расписание, наиболее соответствующее их приоритетам и ограничениям, делая городское строительство более предсказуемым, эффективным и устойчивым.

Цитирование: 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

Ключевые слова: планирование строительства, многоцелевная оптимизация, управление ресурсами, биообразованные алгоритмы, проектное планирование