一种管网优化设计方法、计算机设备及存储介质技术

本发明专利技术公开一种管网优化设计方法、计算机设备及存储介质，所述方法利用基于精英选择策略和自适应策略的免疫遗传算法得到管网管径优化模型的全局最优解，所述精英选择策略用于将群体在进化过程中迄今出现的最好个体不进行交叉配对直接复制到下一代中，所述自适应策略用于根据个体的适应度和当前群体的进化情况，自动调节交叉率和变异率。利用本发明专利技术的方法、计算机设备及存储介质，将改进免疫遗传算法应用于城市管网管径的优化设计中，能够得到管网管径优化模型的全局最优解。管网管径优化模型的全局最优解。管网管径优化模型的全局最优解。

【技术实现步骤摘要】
一种管网优化设计方法、计算机设备及存储介质


[0001]本专利技术涉及一种管网优化设计方法、计算机设备及存储介质，特别是一种基于免疫遗传算法的管网优化设计方法。

技术介绍

[0002]遗传算法(Genetic Algorithm，GA)最早是由美国的John holland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的。它是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。免疫遗传算法既保留了遗传算法的搜索特性，又利用了免疫算法的多机制求解多目标函数最优解的自适应特性，在很大程度上避免了“早熟”，收敛于局部极值。
[0003]免疫遗传算法流程为：
[0004](1)随机产生初始父代种群；
[0005](2)根据先验知识抽取抗体；
[0006](3)若当前种群中已包含最佳个体，算法结束；否则进行以下步骤；
[0007](4)根据抗体浓度和适应度进行复制；
[0008](5)对当前第K代父代种群进行交叉操作，得到新种群。
[0009]在管网管径的优化设计问题中，传统的免疫遗传算法由于存在早熟收敛，固定交叉率、变异率带来的搜索过程缓慢，种群迭代进化停滞不前等问题，算法容易陷入局部最优从而无法得到管网管径的最优设计方案，降低管网设计布局的可靠性，增加总投资。

技术实现思路

[0010]为了解决管网优化问题中，传统的免疫遗传算法由于存在早熟收敛、搜索过程缓慢、种群迭代进化停滞不前等问题，降低管网优化设计的可靠性，增加管网设计成本，本专利技术提供了一种基于免疫遗传算法的管网优化设计方法。
[0011]具体地说，本专利技术将加入了精英选择策略和自适应策略的改进免疫遗传算法应用于城市管网管径的优化设计中，结合城市管网的特点，建立城市管网针对管径参数优化模型，在改进免疫遗传算法中设计出适当的遗传算子和迭代策略，得到管网管径优化模型的全局最优解，提升管网优化设计的稳定性，达到降本增效的目的。
[0012]一种管网优化设计方法，其特征在于，所述方法利用基于精英选择策略和自适应策略的免疫遗传算法得到管网管径优化模型的全局最优解，所述精英选择策略用于将群体在进化过程中迄今出现的最好个体不进行交叉配对直接复制到下一代中，所述自适应策略用于根据个体的适应度和当前群体的进化情况，自动调节交叉率和变异率。
[0013]所述方法可以包括：
[0014]确定遗传参数并对每一个优化过程中可能出现的标准管径进行编码；
[0015]生成初始抗体群体；
[0016]确定管网适应度评价标准并计算抗体适应度；
[0017]计算抗体的亲和度、浓度和激励度；
[0018]初始化抗体记忆库；
[0019]对所述抗体进行选择、交叉和变异操作；
[0020]更新抗体群体；
[0021]更新抗体记忆库；以及
[0022]终止检验。
[0023]在所述方法中，所述编码可以是采用二进制字符串进行的编码。
[0024]在所述方法中，所述遗传参数可以包括：种群的规模、选择率、变异率和/或迭代次数。
[0025]在所述方法中，生成初始抗体群体的步骤可以包括：
[0026]对于初次应答，随机产生N个初始抗体形成初始抗体群体，每个抗体就是由所有管段的管径按照特定顺序连接在一起的数字串，这个顺序就是管段的编号顺序；对于再次应答，则借助免疫系统的记忆功能，部分初始抗体由记忆细胞获取，剩余的抗体继续随机产生。
[0027]在所述方法中，所述抗体的产生方法可以采用调用随机函数rand()产生随机数，每个随机数对应着一种管径。
[0028]在所述方法中，确定管网适应度评价标准并计算抗体适应度的步骤可以包括：
[0029]K是管网经济评价函数，ΣΦ是惩罚项，管网优化的目标函数是：
[0030]F＝K+ΣΦ
[0031]所述抗体的适应度是：
[0032][0033]所述适应度用于度量抗体种群中每个抗体在优化计算中有可能达到或接近于或有助于找到最优解的优良程度。
[0034]在所述方法中，计算抗体的亲和度、浓度和激励度的步骤可以包括：
[0035]所述抗体的亲和度表征免疫细胞与抗原的结合强度，其定义为A(x)＝100p
‑
10n/L
[0036]式中，p代表每个抗体的十折交叉验证训练模型的识别率，n为选中的抗体个数，L为原始的抗体个数，
[0037]所述抗体的浓度表征抗体种群多样性的好坏，其定义为
[0038][0039]式中，A(x)为两个抗体之间的亲和度，N为所述初始抗体群体的数量，
[0040]所述抗体的激励度是对抗体质量的最终评价结果，其定义为
[0041]E(x)＝A(x)
‑
10B(x)
[0042]计算所有抗体的激励度，把所述抗体按照激励度从小到大的顺序排列，将适应度最大的抗体保留为精英抗体，然后将其复制和保存。
[0043]在所述方法中，对抗体进行选择、交叉和变异操作的步骤可以包括：
[0044]采用排序选择方法与保留精华法结合使用的策略对所述抗体执行选择操作，以P
c
为概率交叉所述抗体，对于经过交叉操作后的所述抗体，以P
M
为概率随机对种群进行变异，
形成新一代种群，交叉概率P
c
、变异概率P
M
的计算公式如下：
[0045][0046]式中，F
max
是种群中最大的适应度函数，F
avg
是每代种群的平均适应度函数，F
er
是要交叉的两个个体中较大的适应度函数值，P
c1
、P
c2
是初始化时第一、第二代的交叉概率，
[0047][0048]式中，F
′
是要变异个体的适应度函数，P
M1
、P
M2
是初始化时第一、第二代的变异概率，根据上述两个公式自适应的改变交叉概率和变异概率。
[0049]在所述方法中，更新抗体群体的步骤可以包括：
[0050]对新生成抗体的激励度进行计算排序，对比后将新的精英抗体替代保存的精英抗体来进行抗体群体更新。
[0051]在所述方法中，更新抗体记忆库的步骤可以包括：
[0052]如果所述抗体记忆库未满，选择最好的两个新个体更新补充所述抗体记忆库；如果所述抗体记忆库已满，则选择最好的两个新个体替换所述抗体记忆库中最差的两个个体。
[0053]一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器中存储的计算机程序时，所述处理器执行所述管网优化设计方法。
[0054]一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种管网优化设计方法，其特征在于，所述方法利用基于精英选择策略和自适应策略的免疫遗传算法得到管网管径优化模型的全局最优解，所述精英选择策略用于将群体在进化过程中迄今出现的最好个体不进行交叉配对直接复制到下一代中，所述自适应策略用于根据个体的适应度和当前群体的进化情况，自动调节交叉率和变异率。2.根据权利要求1所述的方法，其中，所述方法包括：确定遗传参数并对每一个优化过程中可能出现的标准管径进行编码；生成初始抗体群体；确定管网适应度评价标准并计算抗体适应度；计算抗体的亲和度、浓度和激励度；初始化抗体记忆库；对所述抗体进行选择、交叉和变异操作；更新抗体群体；更新抗体记忆库；以及终止检验。3.根据权利要求2所述的方法，其中，所述编码是采用二进制字符串进行的编码。4.根据权利要求2所述的方法，其中，所述遗传参数包括：种群的规模、选择率、变异率和/或迭代次数。5.根据权利要求2所述的方法，其中，生成初始抗体群体的步骤包括：对于初次应答，随机产生N个初始抗体形成初始抗体群体，每个抗体就是由所有管段的管径按照特定顺序连接在一起的数字串，这个顺序就是管段的编号顺序；对于再次应答，则借助免疫系统的记忆功能，部分初始抗体由记忆细胞获取，剩余的抗体继续随机产生。6.根据权利要求5所述的方法，其中，所述抗体的产生方法采用调用随机函数rand()产生随机数，每个随机数对应着一种管径。7.根据权利要求2所述的方法，其中，确定管网适应度评价标准并计算抗体适应度的步骤包括：K是管网经济评价函数，ΣΦ是惩罚项，管网优化的目标函数是：F＝K+ΣΦ所述抗体的适应度是：所述适应度用于度量抗体种群中每个抗体在优化计算中有可能达到或接近于或有助于找到最优解的优良程度。8.根据权利要求2所述的方法，其中，计算抗体的亲和度、浓度和激励度的步骤包括：所述抗体的亲和度表征免疫细胞与抗原的结合强度，其定义为A(x)＝100p
‑
10n/L式中，p代表每个抗体的十折交叉验证训练模型的识别率，n为选中的抗体个数，L为原始的抗体个数，所述抗体的浓度表征抗体种群多样性的好坏，其定义为
式中，A(x)为两个抗体之间的亲和度，N为所述初始抗体群体的数量，所述抗体的激励度是...

【专利技术属性】
技术研发人员：陈佳琦，赵世琦，马瑞涛，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：