本研究的通讯作者为周成（Cheng Zhou），来自华中科技大学（Huazhong University of Science & Technology）数字建造国家技术创新中心及土木与水利工程学院。合作作者包括刘颖（Ying Liu）、游柯（Ke You）等，团队成员分别来自华中科技大学人工智能与自动化学院以及山推工程机械股份有限公司（Shantui Construction Machinery Co., Ltd）。研究成果发表于Elsevier旗下期刊《Automation in Construction》第143卷（2022年），文章编号104587，在线发表于2022年9月23日。
本研究属于智能建造与施工管理交叉领域，聚焦于非结构化、多变的建筑工地环境下自动化施工设备的调度优化问题。随着自动化施工设备的发展，传统依赖项目经理经验的临时调度方式已无法满足自动化设备需要预先获取最优调度方案的要求。土方工程具有工程量大、周期长、投资高、施工条件复杂等特点，现有调度方案多为仅考虑工期的单目标优化，缺乏对设备负荷、能耗等多目标约束的综合考量。
针对柔性土方调度问题（Flexible Earthwork Scheduling Problem, FESP），研究团队提出采用第三代非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm III, NSGA-III）进行多目标优化。相比NSGA-II和强度Pareto进化算法（Strength Pareto Evolutionary Algorithm, SPEA），该方法能产生更优的Pareto最优解集，并通过层次分析法（Analytic Hierarchy Process, AHP）确定最优调度方案，最终通过无线通信系统和远程监控中心指导现场施工。
研究建立了考虑三个优化目标的数学模型： 1) 最小处理时间（minimum processing time）：完成所有施工任务的最短时间 2) 最小总设备负荷（minimum total equipment load）：所有设备工作时间的总和 3) 最小总能耗（minimum total energy consumption）：完成所有施工任务的总能耗
数学模型的核心方程包括： - 目标函数：fgoal = min[f1, f2, f3] - 处理时间计算：f1 = max{ci} - 设备负荷计算：f2 = Σtijkxijk - 能耗计算：f3 = Σ(per*ter + pew*tew)
研究设定了五项关键约束条件，包括设备在同一时间只能在一个填方区作业、工序连续性要求、施工工序的顺序约束等。
NSGA-III算法流程包含以下关键步骤： 1) 生成超平面和参考点：通过极端点确定超平面，在单位单纯形上均匀分布参考点 2) 目标归一化：找到种群中所有目标的最小值作为理想点 3) 关联参考点：将种群个体与最近的参考线关联 4) 选择操作：根据个体到参考线的距离从小到大进行选择
研究开发了四种评价指标来评估Pareto解集： - 收敛指标（CM）：反映解集与真实Pareto前沿的接近程度 - 多样性指标（DM）：衡量解集在目标空间的分布广度 - 间距指标（SM）：评估解集的均匀分布性 - 超体积指标（HVM）：综合评价解集的收敛性、多样性和分布性
研究选取山东济南市莱芜区某实际土地平整工程作为案例，总面积约587,228平方米，划分为63个区域（41个挖方区，22个填方区）。针对22个填方区的调度问题，配置了22台自动化设备（4台挖掘机、6台推土机、6台平地机、6台压路机）。
研究进行了参数敏感性分析，考察了交叉概率（pc：0.4-0.8）和变异概率（pm：0.02-0.1）的25种组合，每种组合运行5次取均值。通过四个评价指标确定了最优参数组合为pc=0.7，pm=0.1。
对比NSGA-III、NSGA-II和SPEA三种算法的表现： - NSGA-III的HVM指标平均值比NSGA-II高12%，比SPEA高15% - NSGA-III获得的解集在三个目标函数值上范围更小，个体解更集中 - 解集的收敛性和分布性明显优于其他两种算法
研究测试了三种不同工况： 1) 工况I：22个填方区，22台设备 2) 工况II：11个填方区，22台设备（任务减半） 3) 工况III：22个填方区，11台设备（设备减半）
结果显示： - 工况II下解集的HVM指标最优，说明任务减少时优化空间更大 - 工况III下处理时间与设备总负荷的相关性不明显，反映了设备资源紧张时的调度约束
采用层次分析法（AHP）确定目标权重： - 处理时间权重：0.7428 - 设备负荷权重：0.1687 - 能耗权重：0.0885
最终选出的最优个体解对应的调度方案： - 处理时间：284天 - 总设备负荷：1679天 - 总能耗：4406.07 kW/h 实际使用10台设备（e1,e3,e4,e6,e7,e13,e15,e18,e19,e20），形成了包含流程施工和平行施工的混合调度策略。
本研究的主要科学价值在于： 1) 首次将NSGA-III算法应用于自动化土方设备调度问题，验证了其在解决高维、大规模柔性调度问题上的优越性 2) 建立了考虑处理时间、设备负荷和能耗的多目标优化模型，填补了该领域系统研究的空白 3) 开发了完整的评价指标体系，为类似工程优化问题提供了方法论参考
实际应用价值体现在： 1) 自动化生成的调度方案可减少人工干预，降低对项目经理经验的依赖 2) 平衡了工期、资源利用率和能耗之间的关系，可降低施工成本10-15% 3) 可视化调度方案（甘特图和三维解耦图）便于现场实施
本研究的突出贡献在于： 1) 方法创新：首次将NSGA-III算法应用于土木工程自动化设备调度领域 2) 模型创新：建立了包含设备能耗约束的柔性土方调度模型 3) 评价体系创新：开发了融合收敛性、多样性和分布性的四维评价指标 4) 工程应用创新：实现了从算法优化到现场施工指导的完整闭环
此外，研究还揭示了不同工况（设备/任务比例变化）下调度优化规律的变化，为工程资源配置决策提供了量化依据。该成果为智能建造背景下的施工自动化调度提供了重要技术支撑，对推动无人化土方施工发展具有重要意义。