一种基于多目标差分进化算法的沉管浮运控制优化方法技术

本发明专利技术公开了一种基于多目标差分进化算法的沉管浮运控制优化方法。其主要步骤如下，(1)利用性能度量来对差分进化算法的变异策略进行评价，进而实现多目标差分进化算法变异策略的自适应。(2)建立沉管浮运控制多目标优化模型。(3)利用提出的基于性能度量的自适应变异策略多目标差分进化算法来求解该实际的多目标优化问题，为决策者提供一组Pareto解集。本发明专利技术具有重要的工程应用价值，能够为沉管浮运提供多种有效的控制方案。不仅能够实现成本的节约，而且还能大大提高运输效率和安全。更为重要的是，本发明专利技术能够在目标或环境变化的情况下，也同样能够为决策者提供一套有效地控制方案，这无疑大大提高了实际的决策效率。

An optimization method for immersed tube floating control based on multi-objective differential evolution algorithm

The invention discloses a floating pipe control optimization method for immersed tube based on multi-objective differential evolution algorithm. The main steps are as follows: (1) The performance metrics are used to evaluate the mutation strategy of differential evolution algorithm, and then the adaptive mutation strategy of multi-objective differential evolution algorithm is realized. (2) establish a multi-objective optimization model for immersed tube floating control. (3) The proposed adaptive mutation strategy multi-objective differential evolution algorithm based on performance metrics is used to solve the practical multi-objective optimization problem, providing a set of Pareto solutions for decision makers. The invention has important engineering application value and can provide various effective control schemes for sinking pipe floating. It can not only achieve cost savings, but also greatly improve transport efficiency and safety. More importantly, the present invention can also provide an effective control scheme for decision-makers under the circumstances of changing objectives or environment, which undoubtedly greatly improves the actual decision-making efficiency.

【技术实现步骤摘要】
一种基于多目标差分进化算法的沉管浮运控制优化方法
本专利技术属于一种沉管浮运控制优化技术，具体涉及基于多目标差分进化算法的沉管浮运控制优化方法。
技术介绍
因为沉管浮运能够有效地缩短运输时间，提高操作效率，并且受质地条件制约小，所以它已经被广泛地应用于水下大型隧道工程。由于在绝大多数情况下，沉管本身是没有动力的。因而，在实际的操作中，往往需要一定数量的拖船来对其进行牵引控制以完成运输(一般是通过平移来实现)。通常情况下，拖船的数量和控制方式都是由施工人员凭借以往经验来具体确定的。一方面，考虑到沉管在浮运过程中会受到水流、风、时间等因素的影响，现场一般都会调用较多的拖船，但其结果无疑是大大增加了浮运成本。另一方面，当工程实施时有不确定因素出现，仍采用原有方法必然会对航道安全或施工进度带来极大的影响。经查阅大量资料发现，此前也有学者也对沉管的控制问题进行了一系列研究，但是不难看出，他们都仅是把该问题当作一个单目标优化问题来解决。其实不然，因为对于实际的沉管浮运，一般至少都会考虑运输时间最短和各个拖船的拖力裕量最大等目标。而这些目标之间往往是相互冲突的，需要采取措施才能达到相对平衡，所以沉管浮运控制应是一个多目标优化问题。那么如何有效地求解多目标优化问题则是研究沉管控制优化问题的一个难点。对于多目标优化方法来讲，最近十几年来基于启发式算法的多目标优化方法得到了很大的关注。这不仅仅是由于其具有良好的寻优能力，更重要的是它基本不需要了解优化问题的数学特性。在众多的启发式算法中，差分进化算法是一个典型算法，它在多目标优化领域的应用(即多目标差分进化算法)，也获得了巨大的成功。一般地，多目标差分进化算法的性能跟个体的选择压力和差分进化算法的性能紧密相关。而差分进化算法的性能又受其变异策略的影响较大，主要原因是每个变异策略只能对特定的多目标优化问题有效。因此，如何根据不同类型的多目标优化问题来自动选择合适的变异策略是一个重要的问题。针对沉管浮运的控制优化问题，本专利技术提出采用基于性能度量的自适应变异策略多目标差分进化算法(Multi-objectivedifferentialevolutionwithperformance-metric-basedself-adaptivemutationoperator,MODE-PMSMO)来进行求解。经实验研究表明，所提方法不仅能够为决策者提供一组均衡解集，还能节约成本、提高运输效率，加上本专利技术也能够适用于在不确定环境下进行控制优化，具有重要的工程应用价值。
技术实现思路
针对现有沉管浮运控制问题的研究通常将其作为一个单目标优化问题的现状，本专利技术提出一种基于多目标差分进化算法的沉管浮运控制优化方法。具体来讲就是利用多目标差分进化算法来求解沉管浮运控制优化问题，从而提供一组均衡解集供决策者选择；与此同时，还可以实现节约成本，提高运输效率。本专利技术提出的技术，特别适用于在不确定环境下进行沉管浮运控制。为实现以上目标，本专利技术的操作步骤如下：(1)基于性能度量的自适应变异策略多目标差分进化算法的设计；进一步，基于性能度量的自适应变异策略多目标差分进化算法的操作步骤如下：(1.1)初始化操作：确定差分进化算法的变异控制参数F和交叉控制参数CR；设定种群规模NP和最大的迭代代数Gmax；在可行区间内生成初始种群P10，每个个体记为(＝1,2,…,NP)；并设定当前的代数G＝0；同时，使用单个变异策略的迭代代数设定为Gs＝0.2×Gmax。另外，使用DE/rand/1(即)和DE/best/1(即)作为算法策略库的变异策略。(1.2)变异操作：对于每个个体如果G<Gs，那么利用DE/rand/1变异策略来对个体进行更新，其公式如下：在式(1)中，F表示变异控制参数，其范围在[0,1]之间；r1、r2和r3表示两个随机整数，其范围在[1，NP]内，并且r1≠r2≠r3≠i。如果G≥Gs，那么个体的更新根据从策略库所选择到的变异策略来进行操作，因此，对于每个个体来说，其变异策略可能是式(1)，也可能是以下变异策略：在式(2)中，表示当前种群中最好的个体。(1.3)交叉操作：对于每个个体利用以下交叉策略来对其进行交叉操作：式(3)中，D表示优化问题的维数；Rj和jrand分别表示一个在[0，1]范围内的随机数和一个在[1，D]内的随机整数；CR为差分进化算法的交叉率。(1.4)策略库中变异策略自适应的操作步骤如下：变异策略的评价：利用一个改进的IGD(反向的世代距离)来对各个变异策略进行评价，其公式如下：在式(4)中，表示当前这一代所得到的一组目标向量，PF表示上一代得到Pareto(帕累托)前沿；|PF|表示PF中的个体数量；k表示PF中的目标向量；表示k和中的目标向量的最小欧式距离。变异策略自适应的实现：利用式(4)对各个变异策略进行评价后，每个变异策略在策略库中的数量更新如下：在式(5)中，round表示取整函数，str_name表示策略库中的变异策略；Nstr表示被选策略的个体数量。根据式(4)，对每个变异策略的个体数量进行更新，其公式如下：(1.5)选择操作：(1.5.1)如果(＞表示支配)，那么被保存到P1G；(1.5.2)如果那么被保存到P1G；(1.5.3)如果和是相互非支配的，那么被保存到P1G；(1.6)利用快速非支配排序和拥挤距离排序这两种方法从P1G中选出NP个个体，并令P1G＝φ(φ为空集)。最后，把NP个个体存入P1G。(1.7)重复第(1.2)～(1.6)步，直到算法的迭代代数为Gmax。(2)建立沉管浮运控制多目标优化模型；一个沉管浮运控制模型，主要包括沉管的平移速度和阻力、拖船的合力和合力矩几个方面。(2.1)沉管的平移速率：假定沉管相对于水流的速度为v，那么沉管在x轴和y轴上的速度分别可以表示为：vx＝v1cosθ1-v0cosθ0,(7)vy＝v1sinθ1-v0sinθ0,(8)在式(7)和(8)中，v1表示沉管相对于岸的速度，v0表示水流的流速；θ1和θ0分别表示v1与x轴正方向的角度和v0与x轴正方向的角度。(2.2)沉管的平移阻力：沉管的剩余阻力Rb和摩擦阻力Rf分别可以由以下式子得出：Rb＝0.62×Cb×Ae,2×v2(9)Rf＝1.67×Ae,1×|v|1.83×10-3(10)在式(9)和(10)中，Cb表示被拖艏部形状系数，Ae,2表示沉管水下的横剖面积，Ae,1表示沉管的水下表面积。如果沉管移动方向跟水流平行，那么Ae,1和Ae,2可以由以下式子计算得到：Ae,1＝L(B+2d)(11)Ae,2＝B×d(12)在式(11)和(12)中，L,B和d分别表示沉管的长度、宽度和吃水高度。如果沉管移动方向跟水流垂直，那么Ae,1和Ae,2可以由以下式子计算得到：Ae,1＝B(L+2d)(13)Ae,2＝L×d(14)结合式(9)和(10)，沉管拖航的总阻力可以由以下式子计算得出：RT＝1.15(Rf+Rb)(15)除了沉管管节会受到拖航阻力外，两边协助运输的浮筒也会受到拖航阻力，其中单个浮筒的拖航阻力计算如下：RTp＝1.15×(1.67×Ap,1×|v|1.83×10-3+0.62×Cb×Ap,2×v2)(16)在式(16)中，A本文档来自技高网...

【技术保护点】
1.一种基于多目标差分进化算法的沉管浮运控制优化方法包括以下步骤：(1)基于性能度量的自适应变异策略多目标差分进化算法的设计；(2)通过对沉管平移速度和阻力、拖船的合力和合力矩进行建模，建立一个沉管浮运控制多目标优化模型；(3)使用基于性能度量的自适应变异策略多目标差分进化算法来求解该实际的多目标优化问题。

【技术特征摘要】
1.一种基于多目标差分进化算法的沉管浮运控制优化方法包括以下步骤：(1)基于性能度量的自适应变异策略多目标差分进化算法的设计；(2)通过对沉管平移速度和阻力、拖船的合力和合力矩进行建模，建立一个沉管浮运控制多目标优化模型；(3)使用基于性能度量的自适应变异策略多目标差分进化算法来求解该实际的多目标优化问题。2.如权利要求1所述的基于多目标差分进化算法的沉管浮运控制优化方法，其特征在于：基于性能度量的自适应变异策略多目标差分进化算法的操作步骤如下：(2.1)初始化操作：确定差分进化算法的变异控制参数F和交叉控制参数CR；设定种群规模NP和最大的迭代代数Gmax；在可行区间内生成初始种群P10，每个个体记为并设定当前的代数G＝0；同时，使用单个变异策略的迭代代数设定为Gs＝0.2×Gmax。另外，使用DE/rand/1(即和DE/best/1(即)作为算法策略库的变异策略。(2.2)变异操作：对于每个个体如果G<Gs，那么利用DE/rand/1变异策略来对个体进行更新，其公式如下：在式(1)中，Fi表示变异控制参数，其范围在[0,1]之间；r1、r2和r3表示两个随机整数，其范围在[1，NP]内，并且r1≠r2≠r3≠i。如果G≥Gs，那么个体的更新根据从策略库所选择到的变异策略来进行更新，因此，对于每个个体来说，其变异策略可能是式(1)，也可能是以下变异策略：在式(2)中，表示当前种群中最好的个体。(2.3)交叉操作：对于每个个体利用以下交叉策略来对其进行交叉操作：式(3)中，D表示优化问题的维数；Rj和jrand分别表示一个在[0，1]范围内的随机数和一个在[1，D]内的整数随机数；CR为差分进化算法的交叉率。(2.4)策略库中变异策略自适应的操作步骤如下：变异策略的评...

【专利技术属性】
技术研发人员：范勤勤，廖青，顾邦平，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31