返回
Network-Level Urban Pavement Optimization Using Priority-Based Genetic Algorithm Methodology
DOI:10.3390/infrastructures11050168.png)
摘要
En 中文
路面管理系统(PMS)对于制定符合预算约束的成本效益资本改善计划(CIP)至关重要。优化技术对于提高这些计划的效率至关重要。在各种可用方法中,遗传算法(GA)在复杂场景中识别最优解方面尤其有效。本研究介绍了一种基于GA的优先级优化模型,旨在选择最有益的道路改善项目,同时保持在预算限制内。该模型应用于印第安纳州福特·韦恩的广泛道路网络,考虑了预算分配、道路分类、PASERs、处理方案及相关成本等关键因素。结果表明,该模型在项目优先级排序方面有效,确保可用资金被用于最大限度地改善道路状况。通过利用GA,这种方法不仅增强了决策过程,还为未来的路面管理工作提供了稳健的框架。总体而言,将遗传算法集成到PMS中可以促进更具战略性和经济合理的基础设施改善。
Keyword:
risk
Pavement Surface Evaluation and Rating (PASER)
optimization
genetic algorithm
pavement management systems
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
2.9
论文数:
777
被引数:
2.5K
机构
引用论文
Prediction of CBR by Deep Artificial Neural Networks with Hyperparameter Optimization by Simulated Annealing基于模拟退火超参数优化的深度人工神经网络CBR预测
A deep reinforcement learning assisted simulated annealing algorithm for a maintenance planning problem维修计划问题的深度强化学习辅助模拟退火算法
Optimization of Pavement Maintenance Planning in Cambodia Using a Probabilistic Model and Genetic Algorithm基于概率模型和遗传算法的柬埔寨路面养护规划优化
An integer linear programming approach for pavement maintenance and rehabilitation optimization路面养护与修复优化的整数线性规划方法

