給水管網最佳化設計理論與方法的論文

給水管網最佳化設計理論與方法的論文

　　1、給水管網最佳化設計理論與方法

　　給水管網最佳化設計的研究包括管網最佳化設計模型和最佳化演算法兩個方面，最佳化設計模型需要相應的最佳化演算法進行求解。隨著計算機的出現及其應用軟體的開發，兩者在理論和工程實際的應用中都逐漸成熟，應用比較廣泛。

　　1.1給水管網最佳化設計模型研究

　　給水管網最佳化設計模型是進行最佳化設計的基礎，其優劣程度決定最佳化設計是否成功。因此，所建的模型必須真實地反映管網執行特徵及管理要求。其模型的發展經歷單目標函式和多目標函式兩個階段。20世紀50年代後，國內的研究者開始對管網最佳化設計模型研究，取得一定成果的有同濟大學、哈爾濱工業大學等。國內研究者一般都以管網年費用折算值最小為目標函式建立管網最佳化設計數學模型。此模型沒有考慮管網的可靠性約束。隨著研究的深入和實踐證明，人們逐漸認識到若僅以經濟性作為管網最佳化設計的目標函式與工程實際相比存在某種欠缺和不足，還需要考慮系統可靠性這一因素。

　　1.2給水管網最佳化設計模型求解演算法研究

　　給水管網最佳化設計模型求解方法主要經歷了以下三個階段。

　　（1）拉格朗日函式最佳化法。該方法主要用於求解以管徑和水頭損失為變數的單目標單工況最佳化設計模型。應用拉格朗日未定係數法，將目標函式進行轉換，然後用計算機進行求解。但是由於管徑為離散變數，應用此法求得的管徑需要進行圓整，化為市售管徑，這在某種程度上破壞了解的最優性。該演算法目前應用較少。

　　（2）數學規劃法。

　　①線性規劃。線性規劃法是在一組線性約束條件下，求某個線性目標函式的最小值(最大值)。該方法只能解決樹狀管網的最佳化設計，因此該演算法應用較少。

　　②動態規劃法。動態規劃法是一種求解多階段決策過程最最佳化方法。該法對模型中的目標函式和約束條件的形式要求不高，以標準管徑為變數計算結果不需要調整。該方法對小型樹狀管網能得到最優解;對於簡單的環狀管網，需預先假設一組管徑並進行初始流量分配，將環狀網化為樹狀網;對於複雜管網應用該法不能得到最優解。

　　③非線性規劃法。非線性規劃法是在一組非線性約束條件下，尋求非線性目標函式的最大值或最小值。在管網最佳化設計中，目前所建的模型基本都是非線性模型，因為此種模型能更好地反映管網系統各因素之間的關係，因此該方法能提高計算精度。非線性規劃法能較好的反映管網系統的本質。

　　(3)隨機搜尋最佳化方法。

　　①神經網路演算法。神經網路演算法是將最佳化問題的目標函式和約束條件對映到神經網路動力系統，利用人工神經網路的動力系統演化機制，搜尋到區域性最優解，將最優解對映為動力系統平衡點。目前將神經網路演算法用於環狀管網方面的研究較少。

　　②蟻群演算法。蟻群演算法(ACOAs)是由義大利學者Dorigo於1996年提出的一種模擬螞蟻尋食行為的演算法。該演算法能夠智慧搜尋、全域性最佳化，且易與其它演算法結合。但有以下缺點：a:當規模較大時，演算法效率下降得很快，需要較長的搜尋時間；b:容易出現停滯現象，即搜尋到一定程度後，所有個體所發現的解完全一致，不能對解空間進一步進行搜尋，不利於發現更好的解，從而容易陷入區域性最優。

　　③遺傳演算法。遺傳演算法(GA)近年來被認為是管網最佳化技術的飛躍，它透過模擬自然界生物種群的`遺傳和自然選擇機制，隨機搜尋最優解。遺傳演算法是以標準管徑為決策變數的，對其採用一定的編碼方式，透過選擇、交叉和變異等操作，求得最優解。它的優勢主要在於:a:該演算法不受可微、可導、連續等數學處理方式的限制；b:以離散的標準管徑為決策變數避免了非線性規劃法需對連續管徑進行“圓整”帶來的偏差；c:該演算法是一種隨機搜尋過程，不會形成區域性最優解；該演算法也存在一些缺陷，如遺傳演算法的早熟現象、適應度值難以標定、接近最優解時收斂很慢等。

　　2、結語

　　目前將模擬退火法與其他方法結合使用是一種新趨勢，典型的是與遺傳演算法結合形成遺傳退火演算法。它兼顧了遺傳演算法的啟發式搜尋和退火演算法的接受逆最佳化解的尋優特點，使得計算過程更加智慧化，是未來最佳化方法的發展方向。