کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
382671 660778 2013 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evolutionary optimization of model specification searches between project management knowledge and construction engineering performance
ترجمه فارسی عنوان
بهینه سازی تکاملی جستجوی مشخصه های مدل بین دانش مدیریت و عملکرد مهندسی ساخت
کلمات کلیدی
مدل سازی معادلات ساختاری - بهینه سازی تکاملی - الگوریتم ژنتیک -    جستجو مشخصات - دانش مدیریت پروژه - مهندسی ساخت و ساز - عملکرد پروژه -
فهرست مطالب مقاله
چکیده
کلیدواژه ها
1. مقدمه
2. مروری بر مقالات
3. پیش فرض های پژوهش
4.1 مدل سازی معادلات ساختاری
4.2. قابلیت اطمینان و تحلیل تأییدی
شکل 1: مدل فرضی
4.3 اعمال GA  در جستجوی مشخصه مدل
5. فرآیند تحلیلی و نتایج
5.1 آماره های توصیفی
جدول 1. اصطلاحات GA-SEM
جدول 2 مشخصه های اجتماعی- اقتصادی پاسخ دهندگان تحقیق  
5.2. تحلیل تجربی
جدول 3. تحلیل تجربی متغیرها
شکل 3. کاربرد GA در SEM
5.3 بهینه سازی جستجوی مشخصه مدل
5.3.1 معیاری برای برازندگی قضاوت
5.3.1.1 مربع کی/ درجات نسبت آزادی
5.3.1.2. شاخص نیکویی برازش (GFI).
5.3.1.3. شاخص برازش افزایشی (IFI).
جدول 4. جدول کدگذاری گروه اول
5.3.1.4. شاخص برازش تطبیقی (GFI).
5.3.1.5. میانگین مربعات خطای برآورد (RMSEA
جدول 5 شاخص های GOF برای کروموزوم ها
شکل 4: نمودارهای همگرایی شاخص
جدول 6 نتایج تست مسیر برای فرضیه های پژوهش مربوطه
5.3.2. رمزگذاری و فرآیند تکامل
5.4. اصلاح مدل
شکل 5. مدل اصلاح شده
جدول 7. معیار شاخص GOF و مقادیر حاصل
جدول 8. تأثیر روش های مدیریت بر روی عملکرد پروژه
6. نتیجه گیری و کارهای آتی
 
ترجمه چکیده
مطالعات بسیاری برای تعیین پیکربندی های مدل جایگزین به صورت برازش داده های تجربی با کمک روش مدل سازی معادلات ساختاری (SEM) انجام شده است. به هر حال، جستجوی مسیر ویژه بین ساختارها بسیار دشوار و پیچیده است. یکی از روش های تقویت کارایی مدل سازی بهینه سازی تکاملی توسط الگوریتم ژنتیک (GA) انجام می شود. در این مطالعه از دانش مدیریت پروژه (PM) که دارای ساختار انسانی است و روش ها، ابزار و مهارت ها برای بررسی رابطه علّی بین کاربرد TTS و عملکرد پروژه مهندسی ساخت (PP) استفاده کرده ایم. در این جا برای اندازه گیری تجربی اثربخشی PM TTS در PP از تحقیقی به صورت پرسشنامه استفاده کرده ایم. چارچوب پژوهش اول توسط فرضیه های پشتیبانی شده توسط مقالات تعریف شده اند. در مرحله بعدی برای بهینه سازی مسیرهای ساختاری GA در فرآیند برازش مدل را به کار برده ایم. نتایج تحلیلی نشان داده اند که بهینه سازی تکاملی برای نیکویی برازرش تکی و چندگانه به طور مؤثر امکان جستجوی مشخصه های SEM را فراهم می آورد. با استفاده از GA در پروسه SEM، محققان می توانند جستجوهای خودکار مشخصه را برای یافتن بهترین برازش مدل تجربی با داده انجام دهند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Many studies have attempted to specify alternative model configurations as fitting empirical data with the aid of structural equation modeling (SEM) method. However, significant path searching between constructs has increased in difficulty and complexity. One way to enhance modeling efficiency is evolutionary optimization by genetic algorithm (GA). This study applies the project management (PM) knowledge possessed by construction personnel and uses techniques, tools, and skills (TTS) to explore the causal relationship between TTS usage and construction engineering project performance (PP). A questionnaire survey is used to empirically measure the effectiveness of PM TTS on PP. The research framework is first defined by hypotheses supported by the literature. The GA is then applied to the model fitting process to optimize the structural paths. Analytical results show that evolutionary optimization for singular and multiple goodness of fit effectively searches the SEM specifications. By using GA in SEM procedure, researchers can perform automated specification searches to find the best empirical model fit to the data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 40, Issue 11, 1 September 2013, Pages 4414–4426
نویسندگان
, ,