一种基于MOEA/D进化多目标优化的路径导航系统及方法技术方案

本发明专利技术提出的一种基于MOEA/D进化多目标优化的路径导航系统及方法，包括：根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；在带有工程影响因子属性数据集中读取线路规格初始信息；利用MOEA/D多目标优化算法按照多个预设目标倾向生成相应的路径导航方案；通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；根据预设的勘测信息图选择并修订路径导航方案；根据修订完成的路径导航方案，输出线路规划最终方案。本发明专利技术能够在带有工程影响因子属性数据集基础上，自动实现基于多目标的电网线路走廊路径导航规划。基于多目标的电网线路走廊路径导航规划。基于多目标的电网线路走廊路径导航规划。

【技术实现步骤摘要】
一种基于MOEA/D进化多目标优化的路径导航系统及方法


[0001]本专利技术涉及电网规划设计
，更具体的说是涉及一种基于MOEA/D进化多目标优化的路径导航系统及方法。

技术介绍

[0002]目前，针对电网的规划设计，通常采用以无人机实地航测影像为基础的远程勘测方式，然后需要专业人员对每次采集的遥感图像中的地物进行人工识别，并手动进行排查和设计，得出最终的路径导航示意图。
[0003]但是，随着工程规模的不断扩大，人工识别判断和设计必然会导致地物识别错误、路径规划不合理状况发生，导致终的路径导航示意图无法实施，进而对后续的施工不良影响。而且，伴随着施工要求的提高，电网的路径导航还需要综合考虑路径长度、特殊路段、投资、施工、运行、安全等因素，当前仅凭设计人员的经验依据专业设计规范完成的路径导航，工作量巨大，且必然存在误差。
[0004]另外，在设计讨论阶段，需要提供多种目标倾向性的设计方案，作为对比设计导航方案，通过现有的人工设计的方法是无法实现的。

技术实现思路

[0005]针对以上问题，本专利技术的目的在于提供一种基于MOEA/D进化多目标优化的路径导航系统及方法，能够在带有工程影响因子属性数据集基础上，自动实现基于多目标的电网线路走廊路径导航规划。
[0006]本专利技术为实现上述目的，通过以下技术方案实现：一种基于MOEA/D进化多目标优化的路径导航系统，包括：
[0007]数据准备单元，用于根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；r/>[0008]读取单元，用于在带有工程影响因子属性数据集中读取线路规格初始信息；
[0009]方案生成单元，用于利用MOEA/D多目标优化算法按照多个预设目标倾向生成相应的路径导航方案；
[0010]方案确认单元，用于通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；
[0011]选择修改单元，用于根据预设的勘测信息图选择并修订路径导航方案；
[0012]输出单元，用于根据修订完成的路径导航方案，输出线路规划最终方案。
[0013]相应的，本专利技术还公开了一种基于MOEA/D进化多目标优化的路径导航方法，包括如下步骤：
[0014]S1：根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；
[0015]S2：在带有工程影响因子属性数据集中读取线路规格初始信息；
[0016]S3：利用MOEA/D多目标优化算法按照多个预设目标倾向生成相应的路径导航方
案；
[0017]S4：通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；
[0018]S5：根据预设的勘测信息图选择并修订路径导航方案；
[0019]S6：根据修订完成的路径导航方案，输出线路规划最终方案。
[0020]进一步，所述预设目标倾向包括：线路路径、建设成本和工期。
[0021]进一步，所述MOEA/D多目标优化算法包括如下步骤：
[0022]S31：根据线路规格初始信息建立初始化种群；
[0023]S32：根据预设目标倾向为每个子问题分配权向量；
[0024]S33：每个子问题在其邻居个体内进行交叉变异；
[0025]S34：根据预设的聚合函数数值更新父代种群。
[0026]进一步，所述迭代算法包括如下步骤：
[0027]S41：随机产生确定长度的初始群体；
[0028]S42：对串群体迭代执行计算适应值，染色体复制、交叉和变异以产生下一代群体；
[0029]S43：把在任一代中出现的最好的个体穿指定为算法执行的结果；
[0030]S44：循环预设的遗传代数后，通过比较所有的算法执行结果，得到最优结果作为过程优化的解。
[0031]进一步，所述线路规格初始信息包括：线路的起点位置信息、线路的终点位置信息、特殊路径的位置信息。
[0032]进一步，所述迭代算法采用多目标粒子群算法。
[0033]进一步，所述多目标粒子群算法包括如下步骤：
[0034]S81：设置多目标粒子群算法的控制参数、群体规模和迭代次数，并输入线路规格初始信息；
[0035]S82：根据直流潮流模型计算每个粒子所代表的网络扩展方案的目标值；
[0036]S83：根据Pareto最优概念更新每个粒子的个体最优值；
[0037]S84：根据粒子序值挑选当前种群中序值最小的粒子存入外部档案库，并删除其中的过负荷非劣解；
[0038]S85：根据预设的粒子更新公式更新每个粒子的速度和位置；
[0039]S86：判断当前是否达到迭代次数，若是，则输出外部档案库中的非劣解，否则，转到步骤S82；
[0040]S87：对外部档案库中的非劣解进行校验，并输出对应的网络规划图。
[0041]对比现有技术，本专利技术有益效果在于：本专利技术提供了一种基于MOEA/D进化多目标优化的路径导航系统及方法，通过多目标优化的方式，将没有关联性、逻辑性的电力设计文字性标准规范转换成可图形化展示的智能设计算法；综合考虑路径长度、特殊路段、投资、施工、运行、安全等因素，在带有工程影响因子数据集基础上，通过专家知识的参考，推导出多种目标倾向性的电力杆塔选址及走线设计方案，实现电力系统电网线路走廊工程的设计导航。能够在精准勘测精准标识基础上，基于距离最短、工期最快、成本最优等不同目标倾向提供对比设计导航方案。
[0042]由此可见，本专利技术与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0044]附图1是本专利技术的系统结构图。
[0045]附图2是本专利技术的方法流程图。
具体实施方式
[0046]下面结合附图对本专利技术的具体实施方式做出说明。
[0047]实施例一：
[0048]如图1所示，本实施例提供了一种基于MOEA/D进化多目标优化的路径导航系统，包括：
[0049]数据准备单元，用于根据航测影像进行地物识别，并生成带有工程影响因子属性数据集。
[0050]读取单元，用于在带有工程影响因子属性数据集中读取线路规格初始信息。
[0051]方案生成单元，用于利用MOEA/D多目标优化算法按照多个预设目标倾向生成相应的路径导航方案。
[0052]方案确认单元，用于通过迭代算法优化验证路径导航方案，并确认路径导航方案结果。
[0053]选择修改单元，用于根据预设的勘测信息图选择并修订路径导航方案。
[0054]输出单元，用于根据修订完成的路径导航方案，输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MOEA/D进化多目标优化的路径导航系统，其特征在于，包括：数据准备单元，用于根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；读取单元，用于在带有工程影响因子属性数据集中读取线路规格初始信息；方案生成单元，用于利用MOEA/D多目标优化算法按照多个预设目标倾向生成相应的路径导航方案；方案确认单元，用于通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；选择修改单元，用于根据预设的勘测信息图选择并修订路径导航方案；输出单元，用于根据修订完成的路径导航方案，输出线路规划最终方案。2.一种基于MOEA/D进化多目标优化的路径导航方法，其特征在于，包括如下步骤：S1：根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；S2：在带有工程影响因子属性数据集中读取线路规格初始信息；S3：利用MOEA/D多目标优化算法按照多个预设目标倾向生成相应的路径导航方案；S4：通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；S5：根据预设的勘测信息图选择并修订路径导航方案；S6：根据修订完成的路径导航方案，输出线路规划最终方案。3.根据权利要求2所述的基于MOEA/D进化多目标优化的路径导航方法，其特征在于，所述预设目标倾向包括：线路路径、建设成本和工期。4.根据权利要求2所述的基于MOEA/D进化多目标优化的路径导航方法，其特征在于，所述MOEA/D多目标优化算法包括如下步骤：S31：根据线路规格初始信息建立初始化种群；S32：根据预设目标倾向为每个子问题分配权向量；S33：每个子问题在其邻居个体内进行交叉...

【专利技术属性】
技术研发人员：王才建，王敏，孙铭，孙方伟，徐彬，
申请(专利权)人：山东联合电力产业发展有限公司，
类型：发明
国别省市：