一种基于蚁群算法的电缆敷设路径优化方法技术

本发明专利技术涉及一种基于蚁群算法的电缆敷设路径优化方法，该方法包括以下步骤：步骤S1、对电缆设备敷设路径进行网络建模，确定设备对应的节点信息以及节点间的连接关系；步骤S2、基于信息素限定以及信息素挥发因子的自适应调整，采用蚁群路径寻优算法计算得到任意两设备对应节点间的最短路径和最短路径的长度。与现有技术相比，本发明专利技术具有考虑多种约束、适用于多端点敷设以及敷设路径最短的优点。多端点敷设以及敷设路径最短的优点。多端点敷设以及敷设路径最短的优点。

【技术实现步骤摘要】
一种基于蚁群算法的电缆敷设路径优化方法


[0001]本专利技术涉及电缆敷设领域，尤其是涉及一种基于蚁群算法的电缆敷设路径优化方法。

技术介绍

[0002]随着我国经济的高速发展，越来越多的工业逐步现代化，许多工程内的电气设计部分是复杂和繁琐的，电缆敷设是其中非常重要的一个环节。传统电缆敷设通过设计图和手工计算来确定电缆长度，存在很大的误差，经常导致电缆的浪费。现代技术水平提高，三维电缆敷设软件频出，综合考虑电缆敷设路径、优化、分层等因素，自动生成三维立体电缆敷设图。其中，如何达到电缆敷设长度最短是电缆敷设的核心，属于路径优化问题。
[0003]现阶段已经有学者将各种智能算法应用于电缆敷设，并取得了一定的效果。Dijkstra算法在解决抽水蓄能电站的电缆敷设问题时，考虑了通道容量限制和转弯数量等约束条件对电缆敷设的影响，依托电缆敷设软件CAB实现三维模型管理、三维数据管理等功能。然而Dijkstra算法是一种单端点算法，算法运行时只能出现一个初始位置，无法提高电缆敷设速度。并且该算法和Floyd算法只能实现电缆两端敷设，没有考虑多端电缆敷设情况。
[0004]李治等在“基于遗传算法和改进的Dijkstra算法的电缆敷设优化研究”中结合电缆敷设相关标准建立了基于多种条件限制的电缆敷设优化的多目标规划模型，先利用Dijkstra算法得出电缆敷设路线，再利用贪婪敷设算法满足约束条件的要求。
[0005]蚁群算法作为电缆敷设路径寻优的智能算法，具有正反馈、自组织性和鲁棒性强等优点，借鉴了自然界中蚁群的树状搜索路径，与变电站中电缆敷设的电缆布局相类似，比较适合电缆敷设的路径寻优。
[0006]于洋等在“优化蚁群算法在电缆敷设中的应用”中针对电缆敷设，提出了优化蚁群算法，但是该方法并没有考虑电缆敷设过程中多种约束条件的存在。

技术实现思路

[0007]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种考虑多种约束、适用于多端点敷设且敷设路径最短的基于蚁群算法优化的电缆敷设方法。
[0008]本专利技术的目的可以通过以下技术方案来实现：
[0009]本专利技术提供了一种基于蚁群算法的电缆敷设路径优化方法，该方法包括以下步骤：
[0010]步骤S1、对电缆敷设路径进行网络建模，确定设备对应的节点信息以及节点间的连接关系；
[0011]步骤S2、基于信息素限定以及信息素挥发因子的自适应调整，采用蚁群路径寻优算法计算得到任意两设备对应节点间的最短路径和最短路径的长度。
[0012]优选地，所述步骤S1具体为：
[0013]将三维电缆投影至水平面，将各个设备以及交叉处等效成一个节点，两节点之间的边代表设备间存在电缆通道，边权表示电缆通道的长度。
[0014]优选地，所述电缆通道包括桥架、电缆沟和管道。
[0015]优选地，所述步骤S2包括以下子步骤：
[0016]步骤S21：初始化蚁群路径寻优算法；
[0017]步骤S22、计算蚁群路径选择的节点转移概率，并进行移动；
[0018]步骤S23、基于信息素限定和信息素挥发因子自适应调整，进行信息素更新；
[0019]步骤S24、重复步骤S22
‑
S23，对蚁群路径迭代优化，直至迭代次数达到最大迭代次数，输出最短路径和最短路径的长度。
[0020]优选地，所述步骤S1具体为：初始化蚁群路径寻优算法的相关参数，包括蚁群数量M、最大迭代次数N、信息素增强系数Q、信息素影响因子α以及能见度影响因子β。
[0021]优选地，所述步骤S22中的节点转移概率表达式为：
[0022][0023]其中，为位于节点i的蚂蚁k，选择节点j的概率α是信息素影响因子，β是能见度影响因子；τ
ij
(t)、τ
is
(t)为信息素，其范围限制在闭区间[τ
min
,τ
max
]，其中τ
min
和τ
max
分别表示信息素最小值和信息素最大值；η
ij
、η
is
(t)为能见度值，与节点间的距离相关；allowed
k
为蚂蚁k到目标节点路径前尚未经过节点的集合。
[0024]优选地，所述能见度值η
ij
为：
[0025][0026]其中，d
ij
为节点i与节点j之间的距离。
[0027]优选地，所述步骤S23中信息素更新表达式为：
[0028][0029]其中，ρ是信息素挥发因子，取值范围在0和1之间；为M个蚂蚁迭代过程中在节点i和节点j之间留下的遗留信息素之和。
[0030]优选地，所述信息素挥发因子ρ采用Gompertz增长函数进行自适应调整，表达式为：
[0031][0032]其中，a、b、c为设定常数；x为当前迭代次数。
[0033]优选地，所述遗留信息素采用蚁周模型进行计算，其表达式为：
[0034][0035]其中，Q是信息素增强系数，为一个设定值；L
k
为第k只蚂蚁在当前迭代过程中走过的所有路径的长度。
[0036]与现有技术相比，本专利技术具有以下优点：
[0037]1)本专利技术的方法同时从信息素限定和信息素挥发因子两方面优化蚁群算法，考虑多种约束且克服传统蚁群算法容易陷入局部最优和收敛速度慢等缺陷，保证电缆敷设路径最短，极大地节约了电缆用料；
[0038]2)Floyd算法也可以用于电缆敷设路径寻优，求取最短路径，但它只能计算两个端点的路径长度，有其算法固有的局限性；相比于Floyd算法，本专利技术采用的蚁群算法更适合于复杂线路，不仅可以敷设两端点之间的电缆，还可以多端点敷设。
附图说明
[0039]图1是蚁群算法的生物模型；
[0040]图2是电缆的支架图；
[0041]图3是电缆截面图；
[0042]图4是在实际工程施工过程中，考虑电缆敷设要求的电缆敷设流程图；
[0043]图5是系数赋值后的Gompertz函数；
[0044]图6是本专利技术的基于蚁群算法的电缆敷设方法流程图；
[0045]图7是实施例中三维电缆敷设路径网络建模示意图。
[0046]图8为实施例中两设备电缆路径寻优结果图；
[0047]图9为实施例中三设备电缆路径寻优结果图；
[0048]图10为实施例中四设备电缆路径寻优结果图。
具体实施方式
[0049]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0050]本专利技术提供了一种基于蚁群算法的电缆敷设路径优化方法，本专利技术对采用蚁群算法的优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蚁群算法的电缆敷设路径优化方法，其特征在于，该方法包括以下步骤：步骤S1、对电缆敷设路径进行网络建模，确定设备对应的节点信息以及节点间的连接关系；步骤S2、基于信息素限定以及信息素挥发因子的自适应调整，采用蚁群路径寻优算法计算得到任意两设备对应节点间的最短路径和最短路径的长度。2.根据权利要求1所述的一种基于蚁群算法的电缆敷设路径优化方法，其特征在于，所述步骤S1具体为：将三维电缆投影至水平面，将各个设备以及交叉处等效成一个节点，两节点之间的边代表设备间存在电缆通道，边权表示电缆通道的长度。3.根据权利要求2所述的一种基于蚁群算法的电缆敷设路径优化方法，其特征在于，所述电缆通道包括桥架、电缆沟和管道。4.根据权利要求1所述的一种基于蚁群算法的电缆敷设路径优化方法，其特征在于，所述步骤S2包括以下子步骤：步骤S21：初始化蚁群路径寻优算法；步骤S22、计算蚁群路径选择的节点转移概率，并进行移动；步骤S23、基于信息素限定和信息素挥发因子自适应调整，进行信息素更新；步骤S24、重复步骤S22
‑
S23，对蚁群路径迭代优化，直至迭代次数达到最大迭代次数，输出最短路径和最短路径的长度。5.根据权利要求4所述的一种基于蚁群算法的电缆敷设路径优化方法，其特征在于，所述步骤S21具体为：初始化蚁群路径寻优算法的相关参数，包括蚁群数量M、最大迭代次数N、信息素增强系数Q、信息素影响因子α以及能见度影响因子β。6.根据权利要求4所述的一种基于蚁群算法的电缆敷设路径优化方法，其特征在于，所述步骤S22中的节点转移概率表达式为：其中，为位于节点i的蚂蚁k，选择节点j的概率α是信息...

【专利技术属性】
技术研发人员：郭放，陈晨，樊庆玲，宋晓帆，白萍萍，王辉，钱翌明，张浩杰，王晓敏，韩云昊，米阳，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：