基于量子遗传算法的城市管网优化设计研究

《基于量子遗传算法的城市管网优化设计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第一章绪论1．1研究背景和意义1．1．1研究背景水是人类生存和发展的基本保证，也是社会发展的基础，水资源是一种不可再生的资源，水资源的合理使用目前成了人们广泛关注的问题。近年来，随着我国城市建设的不断加大，城市用水量不断增加，城市供水设备已经成为城市基金设施建设的重要方面。随着我国经济的不断发展，我国城市供水设施建设也得到了突飞猛进的发展。在建国之初，国内只有少数几个大城市才有居民供水厂，供水厂总数也只有几十家。但是到了2004年，全国城市共建设3000家水厂和30多万公里的供水线路，日供水量达到2亿立方米，城镇居民自来水普及率接近90％。到

2、了2014年，全国城市日供水量超过3亿立方米，普及率接近97％，供水管网总长度也超过100万千米。随着我国新型城镇化建设速度的不断加快，城市供水管网建设也受到了政府部门的重视。城市供水改造是我国城镇化建设的重点，仅仅在“十一五”期间，我国城镇供水能力增加了将近0．4亿立方米，输水管网长度增加了20多万千米，但是用水人口也大幅增加，并且供水设备区域分布并不均衡，尤其是一些位置较为偏僻，经济落后的城镇，公共供水覆盖率较低。为了促进落后地区供水能力的发展，促进地区供水设备协调发展，我国计划在“十二五”，“十三五”期间继续增强供水管网建设力度，预计到2020

3、年，实现公共供水设备全覆盖，并且完成相关供水设施改造ll‘2

4、。在城镇供水设置改造中，直接投入到供水管网设施的费用占总改造费用的一半以上，即使建成后，每年仍需要支付较高的维护费用。供水管网一般包括管段、阀门、泵站等系统组成，投入资金多，维护成本高，是现代城镇建设必须包括的重大项目。供水管网建设一般包括管网规划、管网设计和管网管理三个过程，不同的过程阶段可以采用的不用的数学优化方法进行优化，管网优化是在满足用户对于水压和用水量要求的前提下，以包括建设费用和管理费用在内的总费用最小为目标，优化管网供水路径和管段直径。本文的研究是基于我国城镇管网建设快速发

5、展和管网建设维护费用较高的现状，采用量子遗传算法优化供水管网建设，从而在满足客户需求的情况下，实现管网建设总费用最小的目标。万方数据第一章绪论1．1．2研究意义从城市供水的用途上来分类，城市供水可以分为生产用水、市政用水和生活用水三类。其中，生活用水是人们在日常生活中直接使用的水，生活用水是城市居民的基础，虽然需求相对较小但是对水的质量要求较高。生产用水是企业日常生产需要的水，是企业顺利生产的保障，需求较大，对水的质量要求不高。市政用水包括公共厕所、学校、机关等单位用水，用水地点集中。为了满足城市用水的需求，城市供水管网需要考虑水源，运输损失，水质要

6、求等因素。因此，供水管网优化是一个多约束，非线性的组合优化问题，该问题难度随着优化管网的数量的增加而迅速加大。传统的管网优化算法一般都是采用枚举遍历的方法来优化，优化效率较低，并且难以解决较大规模的管网优化问题。智能算法是在生物仿真学基础上发展而来的一种优化算法，智能算法普遍具有优化能力较强，能够较好求解非线性较强等特点，适合管网优化这样的非线性优化问题。本研究课题针对城市管网问题的特点，基于水管网水力动力学特征，在计算相关参数的基础上，使用量子遗传算法优化管网设计，不仅可以推送智能优化算法在实际问题中的应用，而且为管网优化带来了新的解决方法，具有较

7、强的理论意义和实践意义。1．2优化方法优化就是以研究问题目标值最优为导向，寻找优化对象最佳的参数组合。在当前各学科加速发展和互相融合的背景下，优化方法已经成为各学科普遍使用的方法。一般来说，优化方法可以分为确定类优化方法和随机类优化方法两种【3】。(1)确定类优化方法确定类优化方法中使用最为广泛的是梯度学习法，该方法沿着适应度函数的负向梯度方向来寻找最优值点，直至结果收敛算法结束。梯度学习法的可靠性较高，一般至少能搜索到局部最优点，但是其局限性在于目标函数必须具有一阶或者二阶导数，并且初始迭代点的选取对于最终的优化结果具有较大影响，如果目标函数较为复

8、杂，难以找到全局最优解。并且该方法值适用于优化目标变量都是连续变量或者离散变量问题，如果优化目标变量是混合变量，梯度学习方法难以求解。并且该方法属于单路寻优方法，如果目标函数是复杂的非线性优化，则搜索效率较低。除了梯度学习方法之外，其他的优化还包括动态规划方法，完全枚举法等多种方法。(2)随机类优化方法2万方数据第一章绪论该方法不同于确定类优化方法，该方法的求解过程中，首先在整个解空间中初始化一定数量的随机点，然后通过随机点的比较和分析，并且按照一定的规则来寻找最优点。这类问题的求解虽然没有确定类优化方法中必须要求问题是一阶和二阶连续，但是要求目标函

9、数和约束条件都在可以计算的范围，并且问题的寻优范围有限，从而确保较高的搜索效率。目前兴起的包括遗传算法、蚁群