基于遗传算法的农田灌溉管网分布优化模型构建

发布时间：2021-06-27 17:10

　　针对当前农田灌溉管网建设中的总投资与灌溉合理分布问题,提出一种组合遗传算法的农田灌溉管网的两级优化模型。在第1级中,针对传统遗传算法迭代缓慢的问题,采用Kruskal算法和Dijkstra对种群进行优化,从而提高迭代效率;在第2级管径优化中,针对传统二进制编码存在的问题,采用整数编码的方式对最小投资额小的最佳管径进行优化。最后采用MATLAB6.7仿真软件,设置遗传算法的相关参数,对上述方案进行验证。结果表明,构建的改进遗传算法迭代次数为5次的时候,即可求解最优解,同时迭代整体次数在100次。同时工程实例应用表明,构建的组合遗传算法在总投资额上要小于遗传算法,可节约8.4%的投资成本。由此,结果表明本算法的科学性。 

【文章来源】：自动化与仪器仪表. 2020,(09)

【文章页数】：5 页

【部分图文】：

某灌区有向连接图

考虑到遗传群体的多样性问题,单亲遗传算法基于群体单一化方法进行优化,降低了高质量个体的影响,增强了方案的多样化。当初始群体来源于Kruskal、Dijkstra2种算法,则使用群体单一化策略时高质量个体将会迅速脱离遗传群体,最终降低了进化的速率。为了有效地解决上述问题,进行了针对性的设计,即只是将单一化策略应用到最优群体的个体中,并持续更新其适应度下限,以此能够保证最优群体的持续进化。经过改进后,执行过程中需要先对最优群体的规模进行设置,一般将其设置为遗传群体规模的50%,或者是其他的比例,并且能够随着遗传群体规模的改变做出对应的变化;根据上述2种算法形成初始群体后,将其中个体的适应度值作为下限,据此可以控制进化的过程;在进行过程中必须保证个体的适应度大于最小适应度的下限,才能进入到后代群体中。按照相同的方式,需要持续在计算过程中更新最优群体的适应度下限,并逐步提升遗传群体、最优群体的质量,最终能够实现最优群体单一性的目标。整个算法的具体执行流程即为图2所示。2.2 基于整数编码的第二级管径优化

为了便于比较,将本文构建算法与文献[15]的研究例子进行对比,采用图1的连接管网,从而得到图3～图5的研究结果。图4 基于Dijkstra算法的管网长度最短优化结果

【参考文献】：
期刊论文
[1]基于改进Dijkstra算法的燃气应急模拟演练研究[J]. 谈亦豪,王亚慧.  现代电子技术. 2018(20)
[2]基于粒子群算法的树状灌溉管网系统优化设计[J]. 王文婷,郭乙霏.  节水灌溉. 2018(05)
[3]应急资源配送中Dijkstra改进算法的研究[J]. 石晓达,孙连英,葛娜,赵平,李子元.  北京联合大学学报. 2018(02)
[4]基于GIS的Dijkstra算法改进研究[J]. 任伟建,左方晨,黄丽杰.  控制工程. 2018(02)
[5]基于改进Dijkstra算法的泊车系统路径规划研究[J]. 陈亚琳,庄丽阳,朱龙彪,邵小江,王恒.  现代制造工程. 2017(08)
[6]应用Kruskal的改进算法求最小生成树[J]. 袁威威.  江苏第二师范学院学报. 2017(06)
[7]基于改进Kruskal算法的变电站机器人路径规划[J]. 徐平,刘悦.  广东电力. 2016(12)
[8]泵站加压条件下规模化灌溉管网优化方法研究[J]. 宋江涛,何武全.  人民黄河. 2016(11)
[9]Kruskal-Wallis H检验平均秩多重比较在SPSS软件中的实现[J]. 祁海萍,申希平.  兰州工业学院学报. 2015(02)
[10]基于蚁群算法的灌溉管网布置与管径优化设计研究[J]. 朱成立,谢志远,柳智鹏.  江西农业学报. 2015(03)



本文编号：3253256