Videos de Conceptos Relacionados
Design Example: Managing Concrete Workability
Optimization Problems
Design Example: Alignment of a Road Line Using GIS
Optimal Foraging
Statically Indeterminate Problem Solving
Design Example: Maintaining Level of an Embankment
También podría leer
Artículos Relacionados
Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.
Memory-Augmented Spatio-Temporal Transformer for Robust Traffic Flow Forecasting.
Research on Gas Pipeline Leakage Prediction Model Based on Physics-Aware GL-TransLSTM.
Inclusion of nanofiltration as a robust barrier against municipal effluent impacts in drinking water treatment.
Research on Wind Field Correction Method Integrating Position Information and Proxy Divergence.
Synthesis, activity and docking studies of phenylpyrimidine-carboxamide Sorafenib derivatives.
Synthesis, Biological Evaluation and Docking Studies of Sorafenib Derivatives N-(3-fluoro-4-(pyridin-4-yloxy)phenyl)-4(5)-phenylpicolinamides.
Application of ephrin-B2 loaded glycol chitosan-silk fibroin hydrogel in the treatment of diabetic refractory wounds.
International expert Delphi consensus on thromboprophylaxis in metabolic and bariatric surgery.
Assessing the cross-region knowledge transfer capability of selected deep learning building vectorization methods in the context of available training datasets.
Feasibility and preliminary effects of outdoor versus indoor cognitive-motor therapy in women with Alzheimer's disease: A randomized single-blind pilot study.
Hallmarks of social action in the vocal turn-taking of wild common marmosets (Callithrix jacchus).
Role and mechanism of AOPPs-induced NOX4-mediated ferroptosis in intervertebral disc degeneration.
Video Experimental Relacionado
Updated: Feb 25, 2026

Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 9, 2012
Un algoritmo de optimización de avena animada multiobjetivo mejorado para la organización del diseño de proyectos de
Qing Xue1, Chunjiang Wu2, Jiyang Nie1
1School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, 610054, China.
Este estudio presenta el algoritmo de optimización de avena animada multiobjetivo (MOAOO) para mejorar el diseño de la organización de proyectos de construcción. MOAOO mejora la asignación de recursos, equilibra objetivos contradictorios como el costo y la duración, y demuestra el valor práctico en la gestión de la ingeniería.
Área de la Ciencia:
- Ingeniería Gestión de Gestión de Ingeniería.
- La inteligencia computacional es la inteligencia computacional.
- Algoritmos de optimización Algoritmos de optimización
Sus antecedentes:
- La urbanización global impulsa proyectos de construcción a gran escala, lo que requiere un diseño de organización optimizado.
- Los métodos convencionales se enfrentan a desafíos en la eficiencia de los recursos, la resolución de conflictos con múltiples objetivos y los ajustes dinámicos.
- Las técnicas de optimización existentes son insuficientes para el diseño de la organización de proyectos de construcción complejos.
Objetivo del estudio:
- Desarrollar la primera extensión multiobjetivo del algoritmo de optimización de avena animada (MOAOO) para el diseño de la organización de proyectos de construcción.
- Abordar las limitaciones de la toma de decisiones empíricas en la asignación de recursos y la gestión de conflictos multiobjetivo.
- Introducir un nuevo enfoque de optimización para mejorar las capacidades de ajuste dinámico.
Principales métodos:
- Desarrolló MOAOO extendiendo el mecanismo biológico de la optimización de avena animada.
- Incorporó una regla de actualización de posición híbrida con puntos de referencia de élite y perturbaciones estocásticas.
- Implementó un mecanismo de procesamiento de restricciones de tres capas y un sistema de monitoreo de convergencia de doble umbral.
- Retención dinámica de élite integrada, clasificación no dominada y mecanismos de archivo dinámico para la optimización colaborativa.
Principales resultados:
- MOAOO demostró un rendimiento competitivo frente a los algoritmos avanzados (Pre-DEMO, MOEA / D-OED, Pi-MOEA) en las funciones de prueba ZDT.
- Se logró una reducción significativa en la fluctuación de los recursos (72,7%) en un estudio de caso.
- Equilibró con éxito objetivos contradictorios: duración (279 días) y costo (1,34 millones de dólares).
- Convergió eficientemente en un promedio de 118 iteraciones.
Conclusiones:
- MOAOO es la variante multiobjetivo inaugural de AOO, que ofrece una optimización colaborativa efectiva para el diseño de proyectos de construcción.
- El algoritmo supera las limitaciones de los métodos convencionales, proporcionando un valor práctico en la programación de la construcción.
- MOAOO ofrece una solución robusta y eficiente para desafíos complejos de gestión de ingeniería multi-objetivo.
