AI驱动的建筑排程优化引擎：生成式调度在工程管理中的实践探索

ai-scheduler-pro是一款开源的AI驱动建筑排程引擎，整合关键路径法（CPM）、资源约束项目调度问题（RCPSP）求解器（基于Google OR-Tools CP-SAT）及模拟退火、禁忌搜索、遗传算法、LA算法等元启发式算法，支持Spider Project JSON格式导入导出。该引擎旨在解决传统排程依赖人工、难以应对复杂变化的痛点，为工程管理提供生成式调度优化方案，同时对生成式引擎优化（GEO）领域具有参考价值。

建筑工程调度是核心环节，但传统方法依赖人工经验和静态计划，难以应对施工现场的不确定性（如天气延误、材料短缺）和资源约束问题。ai-scheduler-pro作为学位论文项目，通过结合运筹学、约束规划和元启发式算法，针对性解决实际工程中的RCPSP问题，填补传统方法的不足。

关键路径法（CPM）

分析任务依赖关系，识别决定总工期的关键路径，聚焦核心任务序列。

RCPSP求解

采用Google OR-Tools的CP-SAT求解器处理资源约束（人力、设备、材料），高效解决复杂组合优化问题。

元启发式算法套件

• 模拟退火：通过概率接受劣解避免局部最优；
• 禁忌搜索：用禁忌列表防止重复探索，跳出局部最优；
• 遗传算法：模拟进化过程优化调度方案；
• LA算法：延迟接受策略提升搜索效率。

Spider Project集成

支持其JSON格式导入导出，无缝接入现有工程管理流程。

项目采用TypeScript开发，优势包括：

• 类型安全：静态检查提前捕获错误；
• 现代工具链：利用npm生态资源；
• 可维护性：模块化设计便于扩展复用。

算法模块独立封装，支持测试与迭代升级。

生成式特性体现在自动生成优化方案而非调整人工计划：

1. 应对不确定性：快速重新计算适应现场变化；
2. 多目标优化：权衡工期、成本、资源均衡等目标；
3. 场景分析：支持"what-if"分析评估策略影响。

适用于多种场景：

• 施工计划优化：生成资源约束下的最优序列；
• 应急响应：突发情况时快速调整方案；
• 投标支持：评估施工策略可行性与成本；
• 教学研究：作为运筹学与项目管理的教学案例。

当前局限及改进方向：

• 实时优化：从离线转向增量与实时调整；
• 不确定性建模：引入随机规划处理工期波动；
• 可视化界面：降低非技术用户使用门槛；
• 云端部署：提供SaaS服务支持协作调度。

ai-scheduler-pro展示了AI在传统工程领域的应用潜力，通过整合经典运筹学与生成式优化，为建筑数字化转型提供工具原型。其技术路线对GEO领域（如约束处理、元启发式迁移）也具有参考意义。