earticle

영어

In recent years, evolutionary computation methods have been successfully applied to various problems in the construction field. Two of these popular methods are Genetic Algorithm(GA) and Particle Swarm Optimization(PSO). GA is a parallel search method for an optimal solution based on the genetics and natural selection and PSO is a population-based stochastic optimization method inspired by social behavior of bird flocking or fish schooling. While two methods share many similarities, one cannot be proven to always outperform the other in terms of efficiency and effectiveness. From this point, this paper examined whether GA or PSO is superior at a problem to predict construction cost on apartment housing projects at the early stage. With 219 apartment housing project data obtained from bidding announcements for construction supervisors in the Korea Construction Consulting Engineers Association, prediction models using two methods were suggested in the NeuroShell Predictor software and prediction performances of two models were checked. From high R-squared and correlation coefficient values provided by the software, performances of two prediction models were found to be good. However, the findings also showed that the PSO-based model is slightly better than the GA-based one in the comparison of prediction accuracy on the testing dataset.

한국어

최근에 진화연산방법은 건설 분야의 여러 문제에 성공적으로 적용되어 왔으며 대표적인 방법으로는 유전자 알고리즘과 Particle Swarm Optimization이 있다. 유전자 알고리즘은 생물유전학과 자연선택이론에 바탕을 둔 병렬적인 최적화 탐색방법이며 PSO는 새나 물고리 무리의 집단적인 행동에서 영감을 얻은 진화형 통계탐색방법이다. 두 방법은 많은 유사한 점을 공유하고 있지만, 어느 한 방법이 다른 방법도 효율과 효과 면에서 항상 뛰어나다는 것을 증명할 수 없다. 이에 본 연구는 유전자 알고리즘과 PSO방법 중 어떤 방법이 공동주택 사업초기단계에서의 공사비 예측문제에서 더 뛰어난 예측성능을 보여주는 지를 조사하였다. 한국건설감리협회의 감리자 입찰공고를 통해 수집한 219개의 공동주택 사업자료를 가지고 NeuroShell Predictor 소프트웨어에서 두 방법을 이용한 예측모델을 제시하였고 모델의 예측성능을 점검하였다. 소프트웨어에서 제공하는 높은 R-squared 및 상관계수값을 통해서 두 예측모델의 성능은 우수한 것으로 판명되었으나 PSO 기반 예측모델이 유전자 알고리즘 기반 모델보다 평가시험그룹에서의 예측정확도면에서 약간 더 우수한 것으로 나타났다.