改进混合遗传算法用于给水管网优化设计的研究

《改进混合遗传算法用于给水管网优化设计的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要城市供水系统是城市建设和发展的重要基础设施，是保障人民生活和发展经济建设不可缺少的物质基础，而输配水系统(即供水管网系统)是城市供水系统的重要组成部分，其投资一般要占整个供水系统总投资的50一80％，而且还直接影响到庞大的电能消耗、运行管理费和整个供水系统的性能及可靠性。因此，进行管网优化设计具有重要作用和意义。通过对已有管网优化设计数学模型进行分析，提出了以经济性和可靠性为目标函数的多目标优化数学模型。建模过程中，将系统可靠性定义为“节点富余水头加权平均值”和“管网恢复力”，使对管网系统可靠性对评价更加直观和定量化：同时将管网年费用作为经济性衡量指标。针对该优化数学模型为离

2、散变量组合优化的实质，在选用优化模型解法时，对常用于给水管网优化设计计算的线性规划法、非线性规划法、动态规划法、神经网络、遗传算法作了较深入的分析与研究，通过分析这些优化技术存在的问题和不足，提出了管网优化设计计算的改进混合遗传算法。遗传算法是借鉴生物界自然选择和自然遗传机制的随机搜索方法，它具有可扩展性，易于同别的技术结合使用，形成混合遗传算法用于复杂问题的优化计算。为克服基本遗传算法的缺点，采用拟并行算法中的移策略对基本遗传算法加以改进，使得由较少的计算量即可获得最优管径组合方案；使用整数编码技术对管径变量进行编码，可以避免其他方法带来的管径二次圆整问题；对违反最大流速限制的

3、管段采用惩罚技术加以处理以剔除不可行解。在计算管网优化设计目标函数和遗传算法适应度函数之前，需要进行管网水力计算以求解管段流量和节点压力，根据该计算过程为求解非线性方程组的实质，抛开了常规计算方法，选用了适于求解大规模非线性方程组的信赖域法。该方法具有整体收敛性，不仅能很快地解决良态问题，而且也能有效求解病态问题。将改进遗传算法和信赖域法结合使用，取长补短，形成“改进混合遗传算法”用于复杂给水管网的优化设计计算，并编写了相应优化计算程序。最后，以一个具有典型代表性的管网优化设计工程案例对该优化模型和改进混合遗传算法的理论、方法进行验证，并将计算结果与常规设计方法得到的结果进行经济

4、、水力性能和可靠性比较，充分说明了改进混合遗传算法在给水管网设计中具有重要的理论和实用价值。关键词；给水管网优化设计、多目标数学模型、管网系统可靠性、管网恢复力、改进混合遗传算法、迁移策略、信赖域法AbstractWatersupplysystemistheimportantpublicfacilityforthecity’Sconstructionanddevelopment,anditisalsotheindispensablesubstantialelementforpeople．However,waterdistributionsystem(WDS)playsanimpo

5、rtantpartofthewatersupplysystem，itnotonlyaccountsfor50—80％costofthetotalinvest，butalsohasgreatinfluenceonthepowerexpenditureandthereliabilityofthewholesystem．Therefore，itisveryimportantandsignificanttomakeoptimaldesignfortheWDS．ByanalyzingtheexistedoptimalmodeofdesigntoWDS，theauthorpresentsam

6、ulti—objectivemodelbasedoneconomyandreliability．Intheprocessofsetting叩themodel．thereliabilityofWDSisdefined船‘'weightedmeanofnodalextrapressure"and‘'pipenetworkresilience”，andwhichwillmakeiteasyanddirecttoevaluatethereliabilityofWDS；atthesametime，theannualcostislookedastheeconomicalcharacteris

7、ticofWDS．Aimingatmodel’Sessenceofcombinationaloptimizationwithdiscretevariable，theauthorhasaresearchontheoptimalmethodssuchaslinearprogramming，nonlinearprogramming,dynamicprogramming，artificalneuralnetworkmethod，geneticalgorithm．Byanalyzingth