Optimization of Bridge Construction Project Scheduling Using the Ant Colony Optimization Algorithm

Document Type : Original Article

Authors
Hosein Mohammadi 1
Seyed Ali Ziaee 2
1 M.Sc., Grad., Department of Civil Engineering, Faculty of Engineering, Ferdowsi University of Mashhad, Iran.
2 Associate Professor, Department of Civil Engineering, Faculty of Engineering, Ferdowsi University of Mashhad, Iran.
10.22034/road.2026.582959.2491
Abstract
Time and cost management in bridge construction projects is considered one of the most im-portant challenges in the construction industry due to the complexity of activities, resource constraints, and the interdependence of execution operations. In this study, an ant colony op-timization (ACO)-based approach is proposed for optimizing the scheduling of bridge con-struction projects. The main objective is to reduce project completion time, optimize resource allocation, and enhance the efficiency of activity execution under real project conditions. In the proposed model, bridge construction activities are defined as a network of interdependent tasks, and the ant colony optimization algorithm determines the optimal execution sequence by simulating the foraging behavior of ants in finding the shortest path. To evaluate the perfor-mance of the proposed method, data from a sample bridge construction project with an initial duration of 730 days was analyzed and compared with traditional scheduling methods. The re-sults show that the use of the ant colony optimization algorithm significantly reduces project duration, improves resource efficiency, and decreases activity interference. According to the numerical results, the total project duration was reduced from 730 days to 645 days, repre-senting an improvement of approximately 11.6% in scheduling performance. Furthermore, ef-fective utilization of human and machine resources increased by about 18%, and delays caused by activity conflicts decreased by nearly 22%. In addition, indirect project costs were reduced by approximately 9% due to the shorter execution time compared to the traditional method.
Keywords
Bridge construction
project scheduling
ant colony optimization
human resources
– آپرناک، آرش؛ خسروی، مهتاب؛ تقی‌زاده، شادی؛ حسینی، سیدمحسن (1403). بهینه‌سازی زمان‌بندی پروژه‌های ساختمانی پیش‌ساخته با استفاده از الگوریتم ژنتیک. یازدهمین کنفرانس بین‌المللی مطالعات بین‌رشته‌ای در مدیریت و مهندسی.
– اکبری، محمد؛ اکبری، داوود؛ نجیبی، فاطمه؛ حاجی‌زاده، وحید (1401). مدیریت دانش در سازمان پروژه‌محور و تأثیر آن بر کاهش تأخیرات پروژه‌های راهسازی خراسان جنوبی. مهندسی سازه و ساخت، 9(2)، 43-25.
doi.org/10.22065/jsce.2021.213337.2032
– صالحی، مجتبی؛ رحیمی، یلدا؛ شریعتی، شهره (1402). مدل‌سازی چندهدفۀ فازی زمان‌بندی پروژه با محدودیت منابع چندمهارته: با قابلیت تغییر سطح مهارت‌ها و انقطاع فعالیت‌ها. پژوهش در مدیریت تولید و عملیات، 14(1)، 1-20.
– صدیقی، علیرضا؛ قندهاری، مهسا؛ ابطحی، سیدمهدی (1404). ارائه یک مدل ریاضی برای برنامه‌ریزی عملیات نت پیشگیرانه و مبتنی بر وضعیت خطوط ریلی و حل آن با استفاده از الگوریتم ژنتیک. مدیریت صنعتی، 17(1)، 1-33.
– عبادی، افشین؛ قاضی‌مرادی، مصطفی. (1404). بهینه‌سازی در مهندسی عمران مبتنی بر الگوریتم‌های فراابتکاری. ماهنامه عمران و پروژه، 7(1)، 63-39.
doi.org/10.22034/cpj.2025.503998.1342
– کفاشی، ابوذر؛ عدالت‌پناه، سیداحمد؛ نجاتی، فایزه (1401). بررسی تأثیر مدیریت پروژه، مدیریت ساخت و مدیریت ریسک بر زمان، هزینه و روند اجرایی پروژه‌ها (مطالعۀ موردی: انبوه‌سازی ساختمان). پژوهش‌های نوین در ارزیابی عملکرد، 1(3)، 170-160.
– گل‌پیرا، هیرش؛ بابایی تیرکلایی، عرفان؛ تقوی‌فرد، محمدتقی؛ ظاهری، فایق (1400). زمان‌بندی چندپروژه‌ای بهینه با در نظر گرفتن قابلیت اطمینان و کیفیت در زنجیرۀ تأمین ساخت‌وساز: الگوریتم ژنتیک ترکیبی. مطالعات مدیریت صنعتی، 19(61)، 93-65.
 -Aghileh, M., Tereso, A., Alvelos, F., & Lopes, M. O. M. (2025). Multi-project scheduling with uncertainty and resource flexibility: A narrative review and exploration of future landscapes. Algorithms, 18(6), 314.
-Alexakis, K., Benekis, V., Kokkinakos, P., & Askounis, D. (2024). Genetic algorithm-based multi-objective optimisation for energy-efficient building retrofitting: A systematic review. Energy and Buildings, 328, 115216.
-Castañeda, K., Sánchez, O., Herrera, R. F., & Mejía, G. (2025). Deficiencies causes in road construction scheduling: Perspectives from construction professionals. Heliyon, 11(2), e41514.
-Ghoroqi, M., Ghoddousi, P., Makui, A., Shirzadi Javid, A. A., & Talebi, S. (2023). An integrated model for multi-mode resource-constrained multi-project scheduling problems considering supply management with sustainable approach in the construction industry under uncertainty using evidence theory and optimization algorithms. Buildings, 13(8), 2023.
-Kostrzewa-Demczuk, P. (2023). Construction schedule versus various constraints and risks. Applied Sciences, 14(1), 196.
  -Lazari, V., Chassiakos, A., & Karatzas, S. (2024). Multi-objective resource-constrained scheduling in large and repetitive construction projects. Algorithms, 17(8), 351.
-Ma, Z., Zheng, W., He, Z., Wang, N., & Hu, X. (2022). A genetic algorithm for proactive project scheduling with resource transfer times. Computers & Industrial Engineering, 174, 108754.
-Morin-Pépin, S., & Francis, A. (2024). Dynamic spatiotemporal scheduling for construction building projects. Buildings, 14(10), 3139.
-Nekoueian, R., Servranckx, T., & Vanhoucke, M. (2025). A dynamic learning-based genetic algorithm for scheduling resource-constrained projects with alternative subgraphs. Applied Soft Computing, 180, 113316.
-Shabani, R., Torp, O., Klakegg, O. J., & Johansen, A. (2024). Managing uncertainty in the construction phase of road projects. In Risk Management in Construction: Recent Advances.
-Wefki, H., Elnahla, M., & Elbeltagi, E. (2024). BIM-based schedule generation and optimization using genetic algorithms. Automation in Construction, 164, 105476.
-Zhao, Y., Hu, X., Wang, J., & Cui, N. (2024). A robust multi-project scheduling problem under a resource dedication-transfer policy. Annals of Operations Research, 337(1), 425-457.