基于多智能体系统的建筑施工协同调度方法与流程

本发明涉及建筑施工，具体涉及基于多智能体系统的建筑施工协同调度方法。

背景技术：

1、目前用于建筑施工协同调度的方法，通常依赖于传统的工程管理技术和工具，这些方法尽管在多个世纪的建筑历史中得到了广泛的应用和验证，但在面对现代建筑项目的复杂性和多变性时，仍显示出许多不足和弊端。随着建筑工程的规模扩大和技术的进步，现有的协同调度方法面临着越来越多的挑战，这些挑战主要包括资源管理效率低下、调度灵活性不足、数据利用不充分、安全风险管理问题、成本控制不精准等。首先，传统的建筑施工协同调度方法常常依赖于人工进行资源分配和任务调度，这种方式在处理大规模、多任务的项目时往往效率低下。人工调度容易受到个人经验和偏见的影响，难以实现资源的最优配置。此外，传统方法在资源管理上往往缺乏全面的视角，不能实时反映资源状态和使用效率，导致资源浪费或不足，影响施工进度和质量。其次，调度灵活性不足是另一大问题。在传统的施工协同调度中，一旦项目计划制定后，对计划的修改往往十分困难。这种僵化的调度系统不利于应对施工过程中常见的突发事件，如天气变化、材料供应延迟或突发的劳动力短缺。每当这些问题发生时，项目往往需要进行时间消耗和成本高昂的调度修正。此外，现有的调度方法在数据利用方面存在不足。虽然现场的各种数据如材料使用情况、人员出勤、机械运行状态等被记录下来，但这些数据往往孤立存储，未能实现数据之间的深度整合和分析。缺乏有效的数据分析工具和方法，导致了大量有价值的信息未被挖掘，使得决策过程不能基于数据驱动，影响决策的科学性和准确性。安全风险管理也是一个重要问题。在传统施工协同调度方法中，安全管理往往依赖于现场管理人员的经验和直觉。这种方法在复杂或高风险的施工环境下显得尤为不足，容易忽视一些潜在的安全风险。例如，对于高空作业、大型机械操作等高风险任务，缺乏预见性的安全规划和响应措施可能会导致严重的安全事故。

技术实现思路

1、本发明的目的是提供基于多智能体系统的建筑施工协同调度方法，从而解决背景技术中所指出的部分弊端和不足。

2、本发明解决其上述的技术问题所采用以下的技术方案：基于多智能体系统的建筑施工协同调度方法，包括：开发多智能体系统，每个智能体代表单个施工任务或资源单元，并运用基于强化学习的动态任务分配与智能决策算法，以自主做出最优决策；

3、接着引入实时通信协议，采用高频率信息交换架构，构建智能体实时更新项目状态和资源配置信息；

4、然后集成环境感知技术，使智能体实时感知周围环境变化，并结合自适应算法调整施工计划和资源分配；

5、最后采用集成适用于建筑施工的多目标优化算法，优化任务分配和资源利用率，同时设计冲突检测与解决机制，处理多智能体的任务分配和资源共享过程中的冲突。

6、进一步地，所述多智能体系统构建包括：

7、s1、首先为每个智能体定义交互模型通过函数：

8、

9、其中xk代表智能体k的资源或任务特性，wik是智能体i对智能体k的影响权重，用于调节智能体间的协作和资源分配；

10、s2、其次应用基于强化学习的策略，通过环境建模函数用于智能体学习根据环境反馈优化决策：

11、

12、其中s和s′分别代表当前和后续的环境状态，a和a′代表在这些状态下的预测行动，r(s,a)是行动a在状态s下的即时奖励，λ是时间衰减因子，p(s′|s,a)是从状态s通过行动a转移到状态s′的概率，γ是未来奖励的折扣因子；

13、s3、最后采用动态任务分配与决策优化算法，通过实时调整函数用于任务和资源的实时适应和优化：

14、

15、其中x是原任务分配或资源配置，δx是基于实时数据的调整量，α是调整强度参数。

16、进一步地，所述实时通信协议采用智能体状态编码方法，通过函数：

17、

18、其中x代表智能体的资源或任务特性，μ和σ分别是特性的平均值和标准偏差，用于调节智能体间的协作和资源分配；

19、其次实施差分数据更新机制，通过函数减少数据传输量并提高通信效率：

20、

21、更新智能体状态，其中x和y分别代表前后状态向量；

22、接着建立事件触发机制，通过优先级和依赖性实时计算函数，用于调整资源重新分配或任务重调度：

23、

24、其中xi(t)表示时间t的智能体i的任务状态，λi是智能体i的衰减系数；

25、最后采用多级缓存和消息队列系统，以支持高频率和高效率的信息交换，通过信息交换函数：

26、

27、其中x(t)是智能体在时间t的信息向量，α和β分别是调节参数。

28、进一步地，所述集成环境感知技术采用包括以下步骤：

29、首先集成多种传感器包括气象传感器、位置传感器和动力学传感器，利用物联网技术实现传感器数据的实时传输，构建智能体实时接收施工现场的环境变化信息；

30、其次开发数据融合系统，采用卡尔曼滤波器或粒子滤波器整合来自不同传感器的数据，并使用机器学习技术分析数据模式以预测环境条件对施工活动的潜在影响；

31、最后基于实时和历史环境数据，开发自适应决策支持系统，运用强化学习或遗传算法自动识别环境条件变化时需调整的施工计划和资源配置，优化资源分配以适应当前的环境条件。

32、进一步地，所述实时接收施工现场的环境变化信息是利用环境变量：

33、

34、表示在时间t的环境状态，其中ai和bi分别代表环境因子的影响强度和变化速度；

35、其次采用低功耗广域网络lpwan技术包括lora或nb-iot，通过数据传输函数：

36、

37、构建传感器s在时间t发送的数据传输到中央处理系统或相关智能体，其中σ调控数据的传播速度；

38、接着实现边缘计算集成，在网络边缘通过计算模型：

39、

40、对收集的数据进行预处理，其中f(x)表示数据处理函数，t为处理时间窗口；

41、最后构建基于传感器输入的自适应反馈机制，使用调整函数：

42、

43、调整施工计划和资源分配，其中pi代表资源或计划的调整权重，qi为环境变量对应的调整敏感度，t为时间因子。

44、进一步地，所述数据融合系统构建方法包括以下步骤

45、s1、首先采用混合滤波策略，结合卡尔曼滤波器的线性优势和粒子滤波器的非线性处理能力，通过函数：

46、

47、其中x和y代表从不同传感器收集的数据，α和β是调节参数，δ是狄拉克函数，用于表达粒子的位置，n是粒子的数量；

48、s2、接着集成机器学习技术，采用自适应学习机制分析历史和实时数据，通过模型：

49、

50、其中z是输入的特征向量，wj是特征权重，用于预测环境条件如何影响施工活动并实时调整施工计划和资源分配。

51、进一步地，所述自适应决策支持系统构建包括：

52、s1、利用强化学习的深度q网络模型，通过函数用于施工计划和资源配置的动态优化：

53、

54、其中s和s′分别表示当前和后续状态，a和a′表示在这些状态下预测的行动，r是即时奖励，α是学习率，γ是未来奖励的折扣因子，λ和μ控制由时间衰减引入的额外成本；

55、s2、应用遗传算法通过表达式优化多目标施工调度问题：

56、pnew＝crossover(pselect(pold,fitness),mutate(pselect(pold,fitness)))

57、其中pold和pnew分别代表老和新的种群，crossover和mutate分别表示交叉和变异操作，pselect是基于适应度函数fitness选择的个体；

58、s3、集成多层神经网络通过预测模型用于预测并适应环境变化：

59、f(x)＝σ(w3·relu(w2·relu(w1·x+b1)+b2)+b3)

60、其中x是输入的环境和施工状态向量，w1,w2,w3是权重矩阵，b1,b2,b3是偏置项，σ和relu分别是sigmoid和relu激活函数。

61、进一步地，所述于建筑施工的多目标优化算法包括以下步骤：

62、s1、使用自定义的目标函数用于权衡成本和时间效率：

63、

64、其中x和y分别代表从多智能体获取的任务完成度和资源消耗数据，w1i和w2i是调整因子；

65、s2、开发基于时间变化的资源分配算法，使用函数：

66、

67、其中x0是初始资源状态，λ是衰减率，描述资源随时间自然消耗的速率，k和ω是调节振幅和频率的参数，描述资源分配的调整频率和幅度；

68、s3、采用基于图论的资源分配和任务调度冲突解决策略，通过函数以最小化资源共享的总冲突成本来优化资源和任务分配：

69、

70、其中g＝(v,e)是表示智能体和任务的图，每个节点i有单个成本系数ci表示在节点i上解决冲突的成本。

71、本发明的有益效果：

72、1.提高资源利用效率：通过多智能体系统的实时数据交换和分析，资源如人力、机械和材料可以更加精确地分配到需要它们的具体任务上。这种动态的资源调配减少了资源的闲置和浪费，确保了资源的最优使用。

73、2.增强施工进度管理：多智能体系统能够实时监控施工进度，并根据当前进度和预测情况自动调整施工计划。这不仅帮助项目按时完成，还能在面对不可预见的延误时快速做出响应，如天气变化或供应链问题。

74、3.优化决策支持：集成的数据分析和机器学习技术使得决策过程更加科学和精确。系统可以分析历史数据和实时输入，预测未来的趋势和潜在问题，提供基于数据的决策支持，减少人为的误判。

75、4.减少冲突和提高协同效率：通过算法自动处理资源和任务之间的冲突，多智能体系统确保各参与方的活动高效协同。这种高级调度功能减轻了项目管理的负担，避免了因协调不当造成的延误和成本增加。

技术特征：

1.基于多智能体系统的建筑施工协同调度方法，其特征在于包括以下步骤：开发多智能体系统，每个智能体代表单个施工任务或资源单元，并运用基于强化学习的动态任务分配与智能决策算法，以自主做出最优决策；

2.根据权利要求1所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述多智能体系统构建包括：

3.根据权利要求1所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述实时通信协议采用智能体状态编码方法，通过函数：

4.根据权利要求1所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述集成环境感知技术采用包括以下步骤：

5.根据权利要求4所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述实时接收施工现场的环境变化信息是利用环境变量：

6.根据权利要求4所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述数据融合系统构建方法包括以下步骤

7.根据权利要求4所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述自适应决策支持系统构建包括：

8.根据权利要求1所述的基于多智能体系统的建筑施工协同调度方法，其特征在于所述于建筑施工的多目标优化算法包括以下步骤：

技术总结
本发明涉及建筑施工技术领域，具体涉及基于多智能体系统的建筑施工协同调度方法。开发多智能体系统，每个智能体代表单个施工任务或资源单元，并运用基于强化学习的动态任务分配与智能决策算法，以自主做出最优决策；接着引入实时通信协议，采用高频率信息交换架构，构建智能体实时更新项目状态和资源配置信息；然后集成环境感知技术，使智能体实时感知周围环境变化，并结合自适应算法调整施工计划和资源分配；最后采用集成适用于建筑施工的多目标优化算法，优化任务分配和资源利用率，同时设计冲突检测与解决机制，处理多智能体的任务分配和资源共享过程中的冲突。

技术研发人员：傅世永
受保护的技术使用者：绍兴巨富建设有限公司
技术研发日：
技术公布日：2024/9/23