給水管網優化設計理論與方法的論文

時間：2021-04-19 09:58:25 論文我要投稿

給水管網優化設計理論與方法的論文

　　1、給水管網優化設計理論與方法

給水管網優化設計理論與方法的論文

　　給水管網優化設計的研究包括管網優化設計模型和優化算法兩個方面，優化設計模型需要相應的優化算法進行求解。隨著計算機的出現及其應用軟件的開發，兩者在理論和工程實際的應用中都逐漸成熟，應用比較廣泛。

　　1.1給水管網優化設計模型研究

　　給水管網優化設計模型是進行優化設計的基礎，其優劣程度決定優化設計是否成功。因此，所建的模型必須真實地反映管網運行特征及管理要求。其模型的發展經歷單目標函數和多目標函數兩個階段。20世紀50年代后，國內的研究者開始對管網優化設計模型研究，取得一定成果的有同濟大學、哈爾濱工業大學等。國內研究者一般都以管網年費用折算值最小為目標函數建立管網優化設計數學模型。此模型沒有考慮管網的可靠性約束。隨著研究的深入和實踐證明，人們逐漸認識到若僅以經濟性作為管網優化設計的目標函數與工程實際相比存在某種欠缺和不足，還需要考慮系統可靠性這一因素。

　　1.2給水管網優化設計模型求解算法研究

　　給水管網優化設計模型求解方法主要經歷了以下三個階段。

　　（1）拉格朗日函數優化法。該方法主要用于求解以管徑和水頭損失為變量的單目標單工況優化設計模型。應用拉格朗日未定系數法，將目標函數進行轉換，然后用計算機進行求解。但是由于管徑為離散變量，應用此法求得的管徑需要進行圓整，化為市售管徑，這在某種程度上破壞了解的最優性。該算法目前應用較少。

　　（2）數學規劃法。

　　①線性規劃。線性規劃法是在一組線性約束條件下，求某個線性目標函數的最小值(最大值)。該方法只能解決樹狀管網的優化設計，因此該算法應用較少。

　　②動態規劃法。動態規劃法是一種求解多階段決策過程最優化方法。該法對模型中的目標函數和約束條件的形式要求不高，以標準管徑為變量計算結果不需要調整。該方法對小型樹狀管網能得到最優解;對于簡單的環狀管網，需預先假設一組管徑并進行初始流量分配，將環狀網化為樹狀網;對于復雜管網應用該法不能得到最優解。

　　③非線性規劃法。非線性規劃法是在一組非線性約束條件下，尋求非線性目標函數的最大值或最小值。在管網優化設計中，目前所建的模型基本都是非線性模型，因為此種模型能更好地反映管網系統各因素之間的關系，因此該方法能提高計算精度。非線性規劃法能較好的反映管網系統的本質。

　　(3)隨機搜索優化方法。

　　①神經網絡算法。神經網絡算法是將優化問題的目標函數和約束條件映射到神經網絡動力系統，利用人工神經網絡的動力系統演化機制，搜索到局部最優解，將最優解映射為動力系統平衡點。目前將神經網絡算法用于環狀管網方面的研究較少。

　　②蟻群算法。蟻群算法(ACOAs)是由意大利學者Dorigo于1996年提出的一種模擬螞蟻尋食行為的算法。該算法能夠智能搜索、全局優化，且易與其它算法結合。但有以下缺點：a:當規模較大時，算法效率下降得很快，需要較長的搜索時間；b:容易出現停滯現象，即搜索到一定程度后，所有個體所發現的解完全一致，不能對解空間進一步進行搜索，不利于發現更好的解，從而容易陷入局部最優。

　　③遺傳算法。遺傳算法(GA)近年來被認為是管網優化技術的飛躍，它通過模擬自然界生物種群的`遺傳和自然選擇機制，隨機搜索最優解。遺傳算法是以標準管徑為決策變量的，對其采用一定的編碼方式，通過選擇、交叉和變異等操作，求得最優解。它的優勢主要在于:a:該算法不受可微、可導、連續等數學處理方式的限制；b:以離散的標準管徑為決策變量避免了非線性規劃法需對連續管徑進行“圓整”帶來的偏差；c:該算法是一種隨機搜索過程，不會形成局部最優解；該算法也存在一些缺陷，如遺傳算法的早熟現象、適應度值難以標定、接近最優解時收斂很慢等。

　　2、結語

　　目前將模擬退火法與其他方法結合使用是一種新趨勢，典型的是與遺傳算法結合形成遺傳退火算法。它兼顧了遺傳算法的啟發式搜索和退火算法的接受逆優化解的尋優特點，使得計算過程更加智能化，是未來優化方法的發展方向。

【給水管網優化設計理論與方法的論文】相關文章：

灌溉管網優化設計方法研究論文11-05

針對共用消防給水體系的限制與優化方法論文05-31