基于遗传算法的配水系统优化浅析

高蕴

摘 要：基于遗传算法，针对新建管道已经开发出了低成本的设计并对现有给水管网进行再扩大设计。通过对几个案例的研究，已将此种方法的研究结果与非线性规划技术的应用程序进行比较，遗传算法会使得费用较低，控制非线性以及遗传算法解决方案收敛性的参数还有待讨论。该算法是基于试图保持遗传信息代代相传的优胜劣汰原则，具有丰富的人口数据库而且在搜索中可同时并联爬上多峰，因此，使之陷入局部最小值的概率显著降低。此外，对控制非线性以及遗传算法解决方案收敛性的参数还有待讨论。

关键词：遗传算法 优化 配水系统 非线性规划

中图分类号：O224 文献标识码：A 文章编号：1674-098X（2015）02（c）-0232-01

遗传算法是基于随机性质的计算技术。这些算法的主要优点是其广泛的适用性、灵活性和找到最优或接近最优的解决方案且相对容易的计算需求能力。由荷兰首创的遗传算法，已被证明在各种探索工程、科学和商业中的优化问题非常有用。

1 基于遗传算法的管网优化

遗传算法通常要求问题的系统状态被表示为称为染色体串。例如：如果八种 不同管道尺寸可供利用，那么3位的二进制串可用来表示选项。当评估管网系统成本时，这个过程要求将二进制编码转化为离散管道直径。然而，在该文中描述的遗传基础的方法它被认为是不必要的代表解决方案作为一个染色体，以避免二进制编码转化为离散的管道尺寸。在本研究开发的技术包括用于WDS的最低成本设计/增强以下步骤。

（1）读取网络数据、成本数据、所需的最小剩余水头，变异概率，解决方案的人口规模（范围50～350），代数的最大值（MG，范围10～30），惩罚因子（范圍0.9～1.0万元），公差（范围5～10 m），每单位长度（HL）平均水头损失，迭代直径调整最大值，管道最低要求速度。

（2）通过随机数据发生器生成初始解决方案的人口。该网络是分层分为上、中、下管径系列，网络这种分层是根据设计工程师的判断。例如：位于距离源头最远的节点处的管道被分成低维的尺寸。下部直径集可包括50、80、100、125和150 mm，这样有助于修剪搜索空间，促进更快的收敛到最优值。

（3）计数器1=1。

（4）人口的所有解决方案进行如下：

①计数器2=1。

②设计一个新的网络转到步骤③。

在现有的管网系统增强的情况下结合现有的直径与新的平行线设置，获得等效的管道直径。

③调用水力分析子程序ANALIS来计算流量，流速和剩余压头。

④如果每单位长度的水头损耗>HL，可以增加管道直径至下一个商业直径大小。如果流速⑤重复步骤②和③。如果解决方案为第一，不可行但恢复早期解决方案可行然后进行到步骤5；第二，可行然后存储解决方案。

⑥递增计数器2。

⑦如果计数器2