Selecting Appropriate Risk Response Strategies Considering Utility Function and Budget Constraints: A Case Study of a Construction Company in Iran
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Successful implementation of construction projects worldwide calls for a set of effective risk management plans in which uncertainties associated with risks and effective response strategies are addressed meticulously. Thus, this study aims to provide an optimization approach with which risk response strategies that maximize the utility function are selected. This selection is by opting for the most appropriate strategies with the highest impact on the project regarding the weight of each risk and budget constraints. Moreover, the risk assessment and response strategy of a construction project in Iran as a case study, based on the global standard of the project management body of knowledge (PMBOK) and related literature, is evaluated. To handle the complexity of the proposed model, different state of the art metaheuristic algorithms including the ant lion optimizer (ALO), dragonfly algorithm (DA), grasshopper optimization algorithm (GOA), Harris hawks optimization (HHO), moth-flame optimization algorithm (MFO), multi-verse optimizer (MVO), sine cosine algorithm (SCA), salp swarm algorithm (SSA), whale optimization algorithm (WOA), and grey wolf optimizer (GWO). These algorithms are validated by the exact solver from CPLEX software and compare with each other. One finding from this comparison is the high performance of MFO and HHO algorithms. Based on some sensitivity analyses, an extensive discussion is provided to suggest managerial insights for real-world construction projects.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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