武汉大学：浅析遗传算法在管网中的应用

武汉大学：浅析遗传算法在管网中的应用
浅析管网优化设计中的遗传算法
宋银强
韦布波
摘要：本文主要介绍了管网优化设计中的遗传算法，通过分析遗传算法在给水管网设计中的运用，体现了这种算法运用时的经济合理性。

关键词：遗传算法；优化设计；管网；
1引言：
随着社会经济快速发展和城镇化进程的
加快，城市规模不断扩大，建设经济适用安全可靠的给排水系统，对保障城市正常生产生活越发显得重要。

在城市的给排水系统中，管网建设往往占到水工程总投资的60~80%，因此，在城市给排水工程规划设计工作中，管网优化设计具有重要的现实意义。

仅仅只靠过去的经典优化理论早已不能满足当今社会的需要，
不受连续可微的约束，而且其定义域可以任意设定。

这一特点使得遗传算法的应用范围大大扩展。

(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。

(5)具有自组织、自适应和自学习性。

遗传算法利用进化过程获得的信息自行组织搜索时，适应度大的个体具有较高的生存概率，并获得更适应环境的基因结构。

2.3 遗传算法的一般应用步骤
1)初始化种群;
2)计算种群上每个个体的适应度;
3)按由个体适应度值所决定的某个规则选择将进入下一代的个体;
4)按概率Pc进行交叉操作;
5)按概率 Pm进行变异操作;
6)若没有满足某种停止条件，则转入2)，
否则进入下一步;
7)输出种群中适应度最优的染色体作为问题的满意解或最优解;
2.4 遗传算法在应用中可能出现的问题
遗传算法是一种通用而有效的求解最优化问题的方法，然而，单用简单的遗传算法在许多情况下不是十分有效，容易产生早熟现象以及局部寻优能力较差等问题。

另
外，遗传算法在解决一些实际问题时，由于它一般具有较大的群体规模，需要对较多的个体进行大量的遗传和进化操作，特别是要对大量的个体进行适应度计算或评价，从而使得算法的进化运算过程进展缓慢，难以达到计算速度的要求，因而遗传算法的并行计算问题日益受到重视。

人们认识到对遗传算法进行并行处理的可能性，于是提出了多种基于各种并行计算机或局域网的并行遗传
算法。

2.5 遗传算法的优化
现在广泛应用的并行遗传算法主要是
在遗传算法的基础上考虑了四个方面的并
行性并对其加以改进和优化之后形成的。

这四个方面的并行性是指:
1)个体适应度评价的并行性;
2)整个群体中各个个体的适应度评价的
并行性;
3)群体产生过程的并行性;
4)基于群体分组的并行性;
2.6 遗传算法在给水管网优化设计中的应用
给水管网优化的目标是经济性、可靠性和供水水质安全性的全面优化。

但是由于水质安全性不易量化,管网运行正常时和故障
时用水量会发生变化,以及管网拓扑结构的
复杂性,使得至今还没有成熟的理论来分析
管网的安全性,因而也无法将可靠性因素很
好地量化以纳入适应度函数中。

现在常用的方法是以经济性为目标函数,而将其他因素
作为约束条件,据此建立适应度函数,来评价个体的适应度,这样处理的结果使得最终方
案在供水安全性上不够完善。

事实上,现有很多研究成果表明,对环状管网来说,流量优化分配是个凹规划问题,即它的最优解往往出
现在约束区域的边界上。

如果没有与供水水质和供水安全性相关的下限约束条件,则优
化的结果会使某些管段的流量为零,成为树
状网。

应当依据工程实际情况对遗传算法获取的优化结果加以修正。

例如在实际管网的运行维护中,管线故障概率是与敷设所在地
的道路等级及当地用水情况等密切相关的,
如能结合GIS的地物属性关系,合理确定相
应干管的事故转输流量,让道路等级高的干
管承载较高的供水输送任务,对道路等级较
低或将来可能改造地区采用安全性较高的设计方案,在经济和安全上寻求一个最佳的平
衡点,才能真正达到优化设计的目的。

2结束语：
遗传算法具有全局性、并行性、对问题依赖性小等优点，适用于求解离散管径的组合优化问题。

其独特的设计思路和卓越的求
解性能，使其在给水管网优化设计中具有较强的实用性。

不仅如此，对于多目标优化问题，遗传算法能克服传统算法依赖权重向量的局限性，利用自身强大的全局搜索能力，找出所有可能的优化解，供决策者参考。

综上所述，遗传算法用于管网优化设计是可行的，但同时也还存在一些问题亟待研究，如如何加快收敛的速度和效果，如何利用管网水力计算本身的特点来确定约束条件和对
成果的修正等。

3参考文献：
[1] 严煦世,赵洪宾.给水管网理论和计算[M].北京:中国建筑工业出版
社,1986:172-178.
[2] 曹彬,马凤先,城市输配水系统
优化设计,给水排水,1989,(1):1-11.
[3] 范鸣玉,张莹,最优化技术基础,
清华大学出版社,1982:1-4.
[4] 严煦世,范瑾初,给水工程,中国
建筑工业出版社(第四版),23-92.
[5] 王文远.用基因算法求管网经济管径[J].给水排水,1997,23(12):22-25.
[6] Goldberg D E,Kuo CH.Genetic algorithms in pipeline
optimization[J].Computing in Civil Engineering,1987,(2):128-141.
[7] Davidson J,W,Goulter I
C.Evolution Program for Design of Rectilinear Branched Networks[J].Comp in Civ Engrg,1995,9(2):112-121.
[8] Walters G A,Lohbeck T.Optimal layout of tree networks using genetic algorithms[J].Engineering,1993,(22):2 7-48.
[9] Reed, P., B. Minsker, D. E, Goldberg. Designing a competent simple genetic algorithm for search and optimization. Water Resources Research, 2000,36(12): 3757-3761.
[10] Lin
w,DelgadofirsYG,GauseDC,etal.Hybrid newtow-rphson genetic algorithm for the travelling salesman problem,Cyberneties and Systems,1995,26(4):387~412.。