五、国外建筑业转型升级多目标优化的相关研究

在建筑业转型升级过程中，不仅需要通过生产率测算明确转型升级的必要性，还涉及转型升级的路径选择与优化的问题。国外建筑业转型升级的多目标优化大多是为减少工程项目管理以及建筑设计方面的阻碍，从行业内部进行调整，将优化目标与升级目标紧密结合，实现建筑业的转型升级。

Prem Vrat（1963）首次将分段函数引入多目标优化领域，分析建设过程中各工序的工期和成本间的关系，达到了简化优化目标之间关系、降低优化过程难度的目的，促进优化方式在工程项目管理中全面推广。［37］

Deckro等（1995）在多目标优化的方法得到改进之后，利用各个工序工期和成本之间的联系，构建出与实际情况更加符合的工期成本二次关系模型，丰富了建筑领域的多目标优化研究，为建筑业转型升级的目标优化奠定基础。［38］Babu等（1996）根据工期与成本的负相关关系以及与质量的正相关关系，在假设条件中设置满足工期、成本和质量关系的约束条件，构建出具体的成本、质量、工期模型，以实现对工程项目管理各个目标的上下限进行控制。［39］

L.G.Caldas等（2002）在研究建筑热舒适度和光照的过程中，首次采用了遗传算法辅助建筑设计的方式对目标性能进行评估并展开优化，这种方式有利于决策者制定和考察规划设计方案，评估建筑物环境和性能指标，从设计阶段推动了建筑业的信息化转型。［40］为了降低设计方案的能源消耗，D.A.Coley等（2002）将遗传算法和动态热模型进行耦合以实现对能耗目标的控制，利用可视化的方式将优化结果向用户进行展示，以综合评估设计方案的节能效果是否满足要求。［41］

W.Wang等（2005）在绿色发展理念的影响下对设计方案的经济性和环保性展开研究，通过将遗传算法最优解引入多目标优化模型，实现对设计方案经济和环保目标的控制，从设计环节促进建筑业的绿色发展。［42］K-El-Rayes等（2005）认为质量是影响工程项目的重要因素，对质量进行控制有利于提升建筑业的整体建设水平，促进建筑业向高质量转型升级。因此，将已构建的工期—成本优化模型作为基础，引入质量控制目标，建立起工期—成本—质量综合优化模型，并采用遗传算法对模型进行求解。［43］

Tareghian等（2007）认为工序质量的水平是工程项目整体质量水平的体现，将几何平均数引入质量目标控制体系中，利用电磁分散式方法对构建的工期—成本—质量的离散型综合优化模型进行求解，以达到对建设项目优化的目的。［44］

E.Znouda等（2007）将地中海区域建筑节能的控制目标集中在供暖系统以及空调系统上，通过含有遗传算法的多目标优化模型，对计算机能耗实验进行优化调整，以在达到降低建筑能耗的同时保证建筑的舒适度的要求，促进建筑业的绿色转型。［45］

S.Azhar等（2009）发现BIM技术能够进行复杂的环境及性能模拟，使建设前期阶段对建筑的设计方案展开可持续性能评价及优化成为可能，为建筑公司制定出详细的BIM评估方案，有利于建筑业在信息化与可持续发展逐渐深化的过程中从建筑与设计方面进行转型升级。［46］

Shi等（2009）认为建设项目的成本随质量的提高而增加，通过正切函数模拟出工程项目成本和质量的关系，构建出成本—质量优化模型，最后采用遗传算法进行模型求解。［47］

Heravi等（2012）在设计阶段确定出工程项目工期、成本、质量的控制目标，通过模糊数对质量进行估计，并采用蒙特卡洛模拟方法处理成本和工期，寻找建设项目资源最优的状态，完成多目标的优化任务。［48］

Ali Salmasnia等（2012）将工期函数、成本函数、质量函数的一般形式通过线性假设进行表达，建立出满足工期、质量、成本控制要求的综合优化模型，使三个目标的变化与实际情况更加符合，进而促进工程管理水平的提高。［49］

B.R.Welle（2012）在多目标优化与BIM技术结合应用的基础上，开发了适用于BIM系统的热量模拟工具Thermal Opt，实现了优化技术上的重要突破，减少了BIM进行目标优化的时间，也提高了项目优化的效率。［50］

D.Gossard等（2013）采用遗传算法与神经网络技术耦合的方式对住宅外墙的物理特性进行优化研究以提高建筑环保性能，降低建筑能源消耗，进行分析后发现神经网络的使用减少了优化时间，提高了优化的效率。［51］

Asadi等（2014）构建出以建筑能耗、热舒适度和改造成本为优化对象，结合神经网络和遗传算法的建筑节能改造模型。在以某学校的建筑为例进行优化模拟的过程中，将建筑外墙保温、屋内保温、采暖及空调系统作为控制因素，通过TRNSYS模拟出数据进行BP神经网络训练，发现了该模型不仅能节约优化时间，而且便于对建筑能耗、热舒适度和改造成本进行预测。［52］