流域治理工程方案智能优化研究现状及研究方法

牛岩 叶胜兰

摘 要：多目标优化是工程寻优问题的一个分支，同时也是工程管理问题的一个重要方面。本文以石川河综合整治项目为例，总结了流域工程方案智能优化的研究现状，并提出应用粒子群算法解决流域治理工程方案智能优化问题。

关键词：流域治理 智能优化 方案

一、项目背景

石川河综合整治项目位于富平县城南，北至南环路，东至京昆高速，西至金龙大道西侧，石川河从用地内穿过。石川河富平境内全长36.4公里，由于70年代上游修建桃曲坡水库建坝蓄水，变成季节性河流。近年来，石川河除汛期外几乎断流，致使各类建筑垃圾、生活垃圾堵塞，污水横流，群众反映强烈，县委县政府经过多次规划论证，决定实施石川河综合整治项目。项目实施中为了满足河道整治要求及两岸滨河路施工要求，需进行垃圾清理、表土剥离，同时利用客土分层覆土压实回填表层土，以满足不同工程的压实度要求。覆土完成后应及时种植乔木灌木，铺设草皮，加强管护，以进一步改良土壤。因此覆土方案的确定不仅决定了土壤生产力状况，直接影响植物的生长，同时，对土体稳定性起决定性作用，而土体稳定性也是工程建设的重点，另外，覆土方案也决定了工程成本，覆土厚度增加或减少几厘米，工程量和费用投入是不容小视的。在保证植物正常生长，土体稳定的前提下，降低工程成本，确定最合理的覆土方案是流域治理项目中的关键科学问题之一，也是工程项目多目标优化的一个问题。

二、研究现状

多目标优化是工程寻优问题的一个分支，同时也是工程管理问题的一个重要方面。随着人类社会的不断发展，工程管理由简单到复杂改变，工程项目目标优化问题也由过去的单目标优化逐渐向多目标优化演化。优化的方法主要分为传统多目标优化方法与人工智能优化方法，人工智能方法主要有人工免疫系统算法、遗传算法以及粒子群算法（PSO）等。对于基于传统方法的研究，由于传统的多目标优化算法已经发展得很成熟，国内的研究基本同步于国外的研究。如约束法、分层序列法、线性加权法、线性规划、可微可导等等，已经成为一个很成熟的理论[1]。对于PSO的研究，国内对于PSO的研究起步也相对比较晚，曾建潮和崔志华[2]利用分段进化的思想，切断微粒种群的记忆并利用上一代的最优解在新种群求更优解，反复进行直至找到满意适应度的解，大大提高了解的精度。对于人工免疫系统算法的研究，国内学者对人工免疫系统算法的研究迟于国外，直到1998年才出版了《免疫的非线性模型》（漆安慎等）一书，此后国内的学者也相继提出了自己的人工免疫系统算法，他们的算法对于解决早熟、陷入局部收敛问题以及加快收敛速度问题具有较大作用，如周伟良[3]、王煦法[4]、王维博[5]等等。对于基于遗传智能算法的研究，国学者在近几年也取得了一些的成果。如武汉大学的康立山、闰震宇等人的研究，提出了基于进化算法的岛屿迁移问题;中国科学技术大学的李森、崔逊学等人的研究，较满意地解决了遗传算法在处理高维多目标优化中存在的问题。国内比较常见的遗传智能算法有：向量评估遗传算法、多性别遗传算法、多目标遗传算法、非劣分层遗传算法、小组决胜遗传算法等等。综上，人工智能优化方法理论及实践目前已经发展地相对成熟，但鲜少有学者将此方法应用到流域治理项目中涉及到的工程方案选择问题上。

三、研究方法

粒子群优化算法[6-8]（PSO）是近几年来发展迅速的一种基于群体智能的优化算法，其基本思想源于对鸟类的群体行为建模及仿真研究结果。鸟群复杂群体行为的三条简单准则是：（1）为避免碰撞而遠离最近的个体;（2）尽量向目标靠近;（3）尽量向群体的中心靠近。鸟群内的每个个体采用上述规则所描述的行为，这就是PSO的基本概念之一。PSO的另一基本概念是人们决策是依靠自身的经验及他人的经验进行的。PSO在更新粒子时没有交叉、变异等进化操作，而是依据自身的速度决定搜索，且每个粒子都有记忆。在优化过程中，只有当前最佳的个体（即离目标最近的粒子）能给其他粒子提供信息，这是信息的单向流动过程，粒子更新过程都跟随当前最优解的过程。与遗传算法相比，粒子群算法在多数情况下所有粒子都能更快收敛于全局最优解，因此，粒子群算法比遗传算法的计算要简单高效。

四、总结

本文以石川河综合整治项目为例，通过阅读大量文献，总结了流域工程方案智能优化的研究现状，并提出了研究方法，以期为类似流域治理项目覆土工程方案选择提供借鉴。

参考文献

[1] 苏贵良. 基于免疫遗传微粒群智能算法的工程项目多目标优化研究[D].中国石油大学（华东），2014.

[2] 曾建潮，崔志华.一种保证全局收敛的PSO算法[J].计算机研究与发展，2004（08）：1333-1338.

[3] 周伟良，何鲲，曹先彬，程慧霞.基于一种免疫遗传算法的BP网络设计[J].安徽大学学报（自然科学版），1999（01）：65-68.

[4] 王煦法，张显俊，曹先彬，张军，冯雷.一种基于免疫原理的遗传算法[J].小型微型计算机系统，1999（02）：38-41.

[5] 王维博，林川，郑永康.粒子群算法中参数的实验与分析[J].西华大学学报（自然科学版），2008（01）：76-80+105-106.

[6] 史文娟，冯全源.一种改进的基于支持向量机的OFDM识别算法[J].微电子学与计算机，2014，31（10）：98-102.

[7] 王卫荣，金鹏，黄康.免疫遗传算法在多目标优化设计中的应用[J].起重运输机械，2007（02）：25-28.

[8] 孙明.基于粒子群优化的滑模控制参数整定[J].机械工程与自动化，2019（01）：173-175.

作者简介：牛岩（1989–），女，山西运城人，硕士，主要从事土地工程方面研究

基金项目：陕西地建土地工程技术研究院内部预研项目2019-NBYY-04