本站首页 新闻动态 行业资讯 在线留言 加入信游
主页 > 行业资讯 >

基于混合遗传算法的供水管网现状分析

2019-04-29 10:24来源/未知

随着用水量的不断扩大和管道使用寿命的延长,城市供水管网逐渐暴露出一些问题。例如,水源之间不合理的调度会对网络造成过大的压力,造成能源浪费甚至引起爆管问题;结果,阀门不能正常打开,管道摩擦力增大,管网压力部分降低;管道被腐蚀,或界面漏水导致管网水资源和水量浪费。水压不足等问题。为了了解这些情况,及时准确地掌握管网的工作状况,有必要对管网的现状进行分析,结果可为管道的优化调度,改造和扩建提供可靠依据。网络。

供水管网的现状是供水压力和供水量是已知的。实际测量的水压和一些节点和管段的流量用于推断节点流量,管道摩擦力以及所有节点水压和管道流量。常用的方法包括电流调整方法,遗传算法和广义简单梯度法。

目前的调整方法[1]是通过实际测量和经验获得节点流量和管道摩擦力,然后将其转换为管网调整问题,以解决节点水压和管段流量,然后与测量值进行比较了解管网工作状况。由于节点流量和管道摩擦力难以准确确定,因此该方法经常导致调整计算结果与实际值之间存在较大偏差,因此当前情况信游娱乐平台分析导致错误的结论。

王荣和等[2]提出通过节点流和管道摩擦控制变量的非线性规划来分析管网的现状,并用遗传算法求解,得到较好的结果。然而,由于遗传算法的随机抽样,偶尔会得出结论。有时,为某些节点或段提供的结论不准确,只能达到80%的准确度,并且管网末端的树段和节点无法正确控制。 。由于遗传算法的局部收敛能力差,对于大中型管网,计算时间很长,难以逼近最优解。

然而,文献[3]试图解决非线性规划——广义简单梯度法。基本思想是利用简单梯度构造一个可行的方向来改善目标函数,然后在这个方向上搜索找出更多的优势,从而逐步逼近最优解。该方法具有较强的局部收敛能力,但全局搜索能力不强。对于多峰值规划问题,很容易陷入局部最优解决方案。

本文提出了一种结合广义简约梯度法和遗传算法的混合遗传算法,并分析了问题目标函数的现状。可以轻微且容易地获得约束。基于遗传算法的全局搜索,增加了沿负梯度方向的变化,以提高其局部搜索能力,并快速达到全局最优解。

2数学模型的建立

根据管网水力条件的约束,在允许的调幅范围内,管水流量系数r由节点流量q调节,使得水压计算值和测量值在测量压力点和流量测量管段的流量。最小化差异的原则是建立数学模型[3]。3数学模型解[1,4-5]

3.1初始人口的生成

样本染色体是m + n维实数向量,由m个节点流和n个管段水容系数组成。通过在各自的阈值内随机选择n个组来生成初始种群。以下十字架。变异过程将直接获取控制变量的参数值而无需编码。解码。另外,可以适当地减小该方法的样本大小n,并且通常可以采用传统遗传算法的大约一半。

3.2样本染色体交叉

对于具有小目标函数值的样本,通过算术组合将它们作为父染色体杂交以获得子染色体。从第k代染色体载体组的子集中随机提取亲染色体载体。设β1(k)和β2(k)为子代染色体β3(k + 1)=α×β1(k)+(1-α)×β2(k)。其中α由等式α=zβ1/(zβ1+zβ2)确定(其中z是对应于染色体载体的目标函数值)。

3.3染色体样本变异

对于具有大目标函数值的样品,需要突变。当目标函数的值超过一定限度时,根据初始种群生成的方法随机选择新个体,以确保样本的多样性,避免陷入局部收敛,称为随机变异。另一部分沿目标函数的负梯度方向突变,即q(k + 1)=q(k)+λ(k)·pq(k),r(k + 1)=r(k)+ λ(k)·pr(k)其中λ(k)是第k步的步长,pq(k),pr(k)是q,r的搜索方向,即目标函数的负梯度方向。

基于混合遗传算法的供水管网现状分析

3.4交叉和变异概率的动态调整

在迭代开始时,样本由随机突变支配,目标是执行全局搜索以到达最优解的邻域,信游娱乐沿负梯度方向具有少量交叉和可变性。在未来的过程中,交叉和负梯度方向变异操作将逐步加强,以加快收敛速度,并逐步接近最优解。本文使用线性函数来动态确定交叉概率和两个变化。

3.5终止规则

根据经验使用最大迭代步骤genmax,即,当迭代步骤的数量达到指定值时停止计算。也可以通过限制精度来终止计算,即当q(k) - 终止时。

4个案例验证

作者使用广义简单梯度法(grg),传统遗传算法(ga)和上述混合遗传算法(hga)编译软件,并计算和验证简单管网,如图1所示。在管网中,测量值如表1所示。根据该值,可以计算出每个节点的流量和管道水容量系数的准确值,如表2所示。

表1假设测量值计算参数计算点测量值节点水压/m节点1? 4.1696节点2? 2.2248管段流量/(l·s-1)管段1? 1587管段2? 0587管段3? 0413表2该方法的计算方法计算参数计算点的计算值。差异/%节点流量/(l·s-1)节点1?.1000?.1000?.00节点2?.1000?.1000?.00管段水容量系数管道1?.0462?.0461 ?.22管段2?.0410?.0418?.95管段3?.0109?.0109?.00可以从图2,图3中看到,使用传统虽然遗传算法可以收敛到附近在短时间内达到最优解,之后很难达到最优解。经过200次迭代后,目标函数值为4.7419。本文提出的混合遗传算法具有很强的局部搜索能力。经过20次迭代后,目标函数值已达到0.0039。另外,尽管广义简化梯度法具有良好的收敛性,但从图4可以看出,结果高度依赖于给定的初始值。在大型管网中,难以准确地给出宽点流量和管段水容系数。初始值错误通常达到几百%。随着给定初始值的误差增大,它往往会收敛到局部最优解,目标函数的值也会急剧增加,精度也会很差。

表2给出了使用本文提出的混合遗传算法的计算结果。

5结论

从本文的讨论中可以看出,广义简单梯度法和传统遗传算法给出泥浆公式进行复杂的收敛性研究,不容易进入局部最优解。这对于解决供水管网的现状非常有利。影响。笔者将进一步研究该方法,并将其应用于合肥市供水管网现状分析,并通过实践证明其可行部分和高效率。

引用

[1]高乃云,彭海清,范玉初。当前网络网络调整的准备及其原始数据[j]。给水排水,1998,24(8)27-28。

[2]王荣和,姚仁忠,潘振华。遗传算法在供水管网现状分析中的应用[j]给水排水,2000,26(9)31-36

[3]徐世荣,邱振华。供水管网的计算理论与计算机应用[m]。长沙湖南大学出版社,1997

基于混合遗传算法的供水管网现状分析

[4]唐家福,王定伟,高震,等。非线性规划问题的混合遗传算法[J]。 Acta Automatica Sinica,2000,26(5)401-404。

[5]袁晓辉,张双全,王金文,等。准梯度遗传算法在水电站经济运行中的应用[J]。电网技术,2000,24(12)66-69。


上一篇:信游娱乐:初中新课程改革下教师教学习惯的培养
下一篇:民族地区小学语文教学刍议之我见

信游平台以客户需求为导向,以提高生产效率和质量为目标,不断引进国内外先进技术使信游娱乐注册的产品始终保持同类产品的先进水平,得到了广大客户的广泛好评,并长期与玩家保持稳定的合作关系。

©2016-2018 信游官方网站 版权所有 | 赣ICB备8807078号