基于自适应遗传算法的给水管网优化设计研究

《基于自适应遗传算法的给水管网优化设计研究》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、基于自适应遗传算法的给水管网优化设计研究(申请清华大学工学硕士学位论文)培养单位：环境学院学科：环境科学与工程研究生：李婷婷指导教师:刘书明副教授二○一七年六月WaterDistributionNetworkSystemsOptimizationbasedonAutoAdaptiveGeneticAlgorithmThesisSubmittedtoTsinghuaUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEnvi

2、ronmentalScienceandEngineeringbyLiTingtingThesisSupervisor:ProfessorLiuShumingJune,2017摘要摘要给水管网的扩建或新建是解决城市供水不足问题的重要举措，其关键是优化给水管网的管径组合设计方案。遗传算法是求解给水管网优化设计问题的常用优化算法。但是，遗传算法及其改进算法普遍存在的问题是没有把算法与优化问题的属性相结合，这可能导致算法在求解具体问题时搜索效率降低，难以直接应用于计算量大且复杂的实际给水管网工程。因此，本研究的目的是明晰优化问题的

3、属性和算法的欠缺之处，提出一种遗传算法与优化问题的属性相结合的新算法，合理地指导算法的搜索方向，进而提高进化效率。发现给水管网优化设计问题的各个参数在实际问题中都有相应的物理意义，各个物理量之间存在着一定的相关性，例如流速和管径两者之间密切相关。而且，遗传算法在遗传过程中存在不合理的随机搜索相同管径范围的问题。因此，本研究提出一种自适应遗传算法（AAGA）。该方法在遗传过程中以第n代中的管径和流速值为依据，调整n+1代中的管径可选范围，实现对管径范围的自适应调节。以小型管网为计算案例，验证基于MATLAB软件平台和EPAN

4、ET水力搜索引擎建立的遗传算法和自适应遗传算法的可行性。结果表明，自适应遗传算法和遗传算法均能成功获得计算案例的最低造价方案，证明了两种算法的切实可行性。采用纽约隧道扩建管网为较小规模管网应用案例，比较了自适应遗传算法和遗传算法的优化效果。与文献中遗传算法相比，发现在获得相同的优化结果时，自适应遗传算法使用的遗传代数仅为7代，远远少于前人使用的遗传代数10000代，计算效率更高。与本研究的遗传算法相比，发现自适应遗传算法能仅进化7代获得较优的优化方案。以延安市某新建管网为较大规模管网应用案例，测试和评价自适应遗传算法的优化

5、性能。结果表明，当在低流速范围选取控制参数，种群中的部分个体参与自适应调节过程时，与传统遗传算法相比，自适应遗传算法仅用2代的遗传代数收敛到更优的结果。并且，通过优化新算法的关键参数，确定各个参数的最优值或者最佳取值范围，可以进一步提升算法的优化性能，为实际工作的应用提供可靠的参数设置建议。关键词：给水管网；优化设计；遗传算法；自适应遗传算法；管径范围IAbstractAbstractTheexpansionorconstructionofwaterdistributionnetworksystemsisanimporta

6、ntmeasuretosolvetheproblemofurbanwatersupply.Thekeyofthismeasureistooptimizethecombinationofpipediameterswithinanetwork.Geneticalgorithmisacommonlyusedoptimizationalgorithmforsolvingoptimizationdesignprobleminwaterdistributionnetworksystems.However,acommonproblemo

7、fthetraditionalgeneticalgorithmisthatitdoesnotcombinethealgorithmwiththeattributesoftheoptimizationproblem,whichmayreducethesearchefficiencywhenthealgorithmisappliedtoconcreteproblems.Itisdifficulttoapplyitdirectlytothelargeandcomplicateddesignofwatersupplypipenet

8、works.Therefore,thepurposeofthisstudyistoclarifytheshortcomingsofoptimizationalgorithms,andproposeanewalgorithmcombiningthegeneticalgorithmwiththeattrib