MétaCan
Menu
Retour à la cohorte
Enregistrement W2043222413 · doi:10.1061/(asce)0733-9364(2008)134:8(653)

New Mathematical Optimization Model for Construction Site Layout

2008· article· en· W2043222413 sur OpenAlexaff
Said M. Easa, Khandaker M. Anwar Hossain

Notice bibliographique

RevueJournal of Construction Engineering and Management · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAdjacency listObject (grammar)Process (computing)Function (biology)VisibilityGenetic algorithmOrientation (vector space)Mathematical optimizationAlgorithmArtificial intelligenceMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Layout of temporary construction facilities (objects) is an important activity during the planning process of construction projects. The construction area layout is a complex problem whose solution requires the use of analytical models. Existing popular models employ genetic algorithms that have proven to be useful tools in generating near optimal site layouts. This paper presents an alternative approach based on mathematical optimization that offers several important features and generates a global optimal solution. The construction area consists of an unavailable area that includes existing facilities (sites) and available area in which the objects can be located. The available area is divided into regions that are formulated using binary variables. The locations of the objects are determined by optimizing an objective function subject to a variety of physical and functional constraints. The objective function minimizes the total weighted distance between the objects and the sites as well as among the objects (if desired). The distance can be expressed as Euclidean or Manhattan distance. Constraints that ensure objects do not overlap are developed. The new approach, which considers a continuous space in locating the objects simultaneously, offers such capabilities as accommodating object adjacency constraints, facility proximity constraints, object–region constraints, flexible orientation of objects, visibility constraints, and nonrectangular objects, regions, and construction areas. Application of the model is illustrated using two examples involving single and multiple objects. The proposed model is efficient and easy to apply, and as such should be of interest to construction engineers and practitioners.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,184
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations77
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Construction Engineering and ManagementMême sujetBIM and Construction IntegrationTravaux en français237 207