基于灵敏度分析和蚁群算法的管网监测点优化选择

针对管网水力模型校正中监测点的优化计算不容易得到最优解、运算时间较长等问题，采用蚁群算法进行求解。由于管网节点的灵敏度矩阵与监测点最优解之间存在一定的对应关系，且充分利用探索信息可以明显提高蚁群算法的优化计算性能，因此考虑将蚁群算法中的探索信息与灵敏度值进行对应。算例结果表明，与穷举法和遗传算法相比，在参数相同的条件下该法可有效减少优化计算的运行时间。     

用遗传算法实现污水管网的优化设计

提出用遗传算法优化大中型污水管网的设计,并与节点递归算法相结合,既满足了污水管网系统内部节点的水力衔接,也保证了管网系统的全局优化。遗传算法具有只需目标函数值而无需导数等信息的优点,并能从全局出发对管网水力参数进行优化,达到费用最低的目标。结合中型污水管网的优化设计,确定了遗传算法的运行参数。     

谱聚类在给水管网分区优化中的应用

利用图划分技术和图论算法实现给水管网分区。根据给水管网分析,确定分区数量,建立权重邻接矩阵并计算图拉普拉斯矩阵及其特征向量,通过多路图划分对隐藏在特征向量中的聚类信息进行数据挖掘,采用遗传算法和K均值方法实现最佳节点聚类。利用PageRank和最短路径算法确定水表和阀门位置,最终实现给水管网优化分区。实际给水管网模型分区实例表明所提方法在给水管网分区的有效性。     

基于快速网络社区算法的供水管网区块化研究

为使供水管网分区更具有理论基础和科学性,进行了基于快速网络社区算法的供水管网区块化研究。简化后的供水管网被抽象为复杂网络系统,同时管网中节点和管段的连接关系被转换为无向图;运用计算程序将连接关系紧密的节点划分为同一社区,得到节点的社区结构,以此为主要依据并结合实际情况对供水管网进行区块化;在此基础上,通过水力模拟计算得出优化的管网区块化方案。结果表明,分区后的管网较分区前水压更为均衡,实现了分区计量;低水龄节点比重上升,水质得到保障。     

基于压力驱动节点流量模型的供水管网漏失控制

为实现供水管网漏失控制,建立了阀门漏失控制模型,并将压力驱动节点流量水力模型嵌入其中,形成压力驱动节点流量漏失控制模型。模型以漏失总量为目标函数,以遗传算法为优化算法,求解得到最佳阀门设置,然后操作阀门动作,达到在正常供水的前提下最大程度降低漏失的目的。     

基于NSGA-Ⅱ的给水管网压力监测点多目标优化布置

针对给水管网压力监测点优化布置过程中采用单目标函数得到的优化结果不能代表多方面综合因素的问题,以监测点压力监测范围及监测点覆盖节点需水量作为目标函数,管网水力连通性、管网节点压力相关性、管网节点水量影响条件作为约束条件建立多目标压力监测点优化布置数学模型,并利用Matlab平台通过非支配排序遗传算法(NSGA-Ⅱ)求解。将该模型应用于某园区实际管网中,并分析不同约束条件的参数取值对模型所得优化结果的影响程度,以提高监测点布设方案的代表性,同时也验证了NSGA-Ⅱ求解多目标给水管网压力监测点优化布置模型的有效性。     

基于单亲遗传算法的区域供冷系统管网的布置优化

区域供冷树状管网布置优化属于典型的组合优化问题．针对区域供冷管网系统特点,建立了以管网年度费用最小为优化目标的数学模型和约束条件．以图论和遗传算法为理论基础,应用改进的单亲遗传算法对区域供冷树状管网进行了优化布置,并对编码方案,遗传算子设计,适应度函数进行了设计．应用实例表明,单亲遗传算法直接以管网年度费用最小为优化目标,能够获得年度费用最小的布置方案,与Dijkstra算法对比,算法的寻优效率较高,收敛性和稳定性较好．     

面向爆管检测的供水管网水压监测点多目标优化

针对单目标优化算法在水压监测点优化布置模型求解过程中计算效率低、解集质量差的问题，提出了一种多目标非支配差分进化算法（NSDE）。首先，对各管段中间添加的节点赋予爆管流量并依次进行模拟，根据各节点压力变化值生成爆管事件判断矩阵；然后，以监测点个数最小化和爆管检测漏损量最大化为目标函数构建监测点优化布置数学模型，利用NSDE算法进行求解；最后对Pareto解集中监测点布局特征展开分析。以net3供水管网为例，采用单目标遗传算法、多目标非支配遗传算法（NSGA-Ⅱ）和NSDE算法分别对模型进行求解，结果表明多目标NSDE算法计算效率更高且优化解质量更好，其Pareto解集对应的多种布局方案可为实际工程中监测点布置提供灵活选择。     

基于遗传算法的枝状燃气管网布局优化

以图论和遗传算法为理论基础,以管网造价最小为优化目标,提出枝状燃气管网遗传布局优化的方法,并针对枝状管网的特点,对基本遗传算法进行改进。改进后的遗传算法能够获得造价最小的布置方案,算法寻优效率较高。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。