城市供水系统的计算机仿真

随着城市人口和经济的不断发展,城市供水系统的规模及供水量不断增加。对城市原有供水系统进行扩建和改造是城市供水部门急需解决的问题之一。为保证合理地改造原有的供水系统,必须利用计算机对其进行仿真计算。另一方面,随着城市供水系统规模及复杂性的不断提高,利用计算机实现供水系统的优化调度势在必行。供水系统的仿真问题是实现系统优化调度最基本的问题之一。因而解决供水     

城市供水系统弹性应对策略与仿真分析

针对城市供水系统受外界威胁导致供应能力波动的问题,建立了以优化供水系统弹性为目标的两阶段应对策略模型.第一阶段为马尔可夫决策过程水库调度模型,求解在满足期望弹性约束下以总成本最小化为目标的优化调度策略;当供应缺口超出水库调度能力时,针对供水系统在动态情景下的不确定性,建立了以供水网络弹性损失最小为目标的系统动力学第二阶段模型,通过仿真实验得到了多渠道优化策略.最后,以上海市咸潮入侵事件验证了该方法的有效性和实用性.     

基于智能算法的多水源泵站在线优化控制技术

在供水系统实际运行过程中,调度人员往往根据实际需求,在当前水泵运行状态的基础上开启或关闭一台水泵,以调节管网中的压力和流量.人工经验的调度方式难以充分反映并结合管网中压力、流量的变化及实际需求,进而及时作出科学决策.针对此问题,提出了多水源泵站在线优化控制技术,建立了基于直接优化调度方法的在线优化控制模型,采用智能优化算法进行了求解,并确立了四项方案评价指标对在线优化控制方案进行评价.将所建立的模型,应用于南方城市供水系统在线优化控制中,验证了其实用性,并编制了相应的计算程序软件.     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

模拟退火算法的一种参数设定方法研究

模拟退火算法在有限计算量条件下的收敛性能对自身参数有很大的依赖性,这使得参数设定问题成了算法应用过程中的一个关键环节。考虑到模拟退火算法本身的随机性,将其参数设定问题描述为随机优化问题,提出一种系统可靠地解决该问题的混合优化算法,即基于序的巢分区算法,该算法继承了序优化算法的快速收敛性及巢分区算法的全局搜索特性,能够有效解决复杂的随机组合优化问题。以典型旅行商问题为算例的仿真结果检验了方法的高效性与可靠性。     

大规模供水系统的动态递阶最优控制

本文研究大规模供水系统的动态递阶最优控制。对控制模型进行适当的简化,消除了模型的隐含特征,保证了问题的凸性。在此基础上运用Tamura目标协调法,得出了更为简便的离线最优控制算法。在一些近似条件下,算法还被推广到实时控制中。离线算法与实时修正相结合,保证了控制的精度和实时性。文中还提出改进的按时空分解的递阶控制结构,用以解决系统优化级和泵站优化级之间的关联。     

局部均匀环境中自适应极化与波形优化检测

研究了一种局部均匀环境中的自适应优化检测算法。首先提出了两种波形设计方案;然后基于自适应子空间检测器提出自适应极化分集与波形设计联合优化检测算法,该算法首先将优化检测问题转化为多参数的联合优化问题;进而应用田口优化算法解决该优化问题。仿真实验证明,在局部均匀环境中提出算法相比其他算法检测性能获得了极大改善;重要的是,由于引入高效的田口优化算法,提出算法的效率得以极大提高。     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

基于模拟退火遗传算法的土地利用结构优化模型

将模拟退火方法引入遗传算法中,对多参数问题进行优化。该算法克服了SGAs的过早收敛的问题以及算法易陷于局部极小点的问题,使得搜索沿着全局最优方向进行。将该算法应用于解决土地资源优化分配的问题中,优化结果同样具备上述特点。参3。     

超大规模管理优化问题的求解:城市小区粪渣清运排班案例研究

深圳市罗湖区小区粪渣清运排班优化为超大规模的实际管理优化问题.以该问题为案例,探索超大规模优化问题可行的求解方法.建立了城市小区粪渣清运排班优化模型,根据"贪婪"规则,设计了基于构造规则的启发式算法.通过小规模算例验证了算法的有效性.将该算法应用于案例中的实际问题,取得了满意结果.研究表明,对于实际的超大规模优化问题,可依据问题自身的特征,基于最质朴的贪婪规则,设计合适的启发式算法求解.该研究为类似的超大规模优化问题的求解提供了可供选择的思路.     

基于偏好信息的多目标旅行商问题Pareto优化求解

多目标旅行商问题(MOTSP)是经典旅行商问题的扩展,其优化目标包含了距离、成本、收益及风险等多个相互冲突的指标.本文提出了一种基于偏好的Pareto演化算法p-PEA用于建模并求解此NP-hard问题.该优化算法建立在MOTSP的智能体仿真模型之上,从而解决了数学建模不能真实再现实际MOTSP中众多影响因素的问题.通过仿真的方法,算法能够得到MOTSP可行解的各项评价指标值.在此基础士,通过设计演化算法搜索问题的Pareto优化解集.其中,将决策者的决策偏好信息引入到Pareto优化解集的求解过程中,所得结果将更合理.最后,以一个130个城市的旅行商问题为例验证了算法的有效性.     

基于混堆模式的集装箱堆场区段分配

建立了进出口集装箱混堆的数学模型, 该模型分为两个阶段,第一阶段解决了工作量平衡优化问题, 第二阶段解决了箱组平衡优化问题,然后用启发式算法对模型进行了求解,并利用深圳蛇口集装箱码头实际数据采用仿真方法对模型和算法进行了验证,验证结果表明该模型和算法比港口现有堆存策略有了较大的改进.     

基于微粒群算法的虚拟仪器参数自适应配置方法

提出了一种利用微粒群算法优化虚拟仪器参数设置的方法。微粒群算法通过模拟鸟类社会性运动的规律,利用群体智能解决组合优化问题,该算法能够迅速有效地进行最优化搜索。将其用于解决仪器参数设置中的多维空间优化问题,具有概念简单,应用方便,计算复杂性低和运算速度快的特点。     

基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

PSO-BP模型在城市用水量短期预测中的应用

为解决现有的城市用水量短期预测BP神经网络法对初始权值敏感、易陷入局部极小点和收敛速度慢等问题,通过对城市时用水量数据特征的分析,应用基于全局随机优化思想的粒子群优化(PSO)算法对BP网络的初始权值进行优化,建立了PSO-BP城市时用水量预测模型.在算例分析中与传统BP神经网络预测法进行对比,发现该方法的收敛速度明显提高,且平均预测精度提高了2%,在用水量短期预测中非常有效.     

基于免疫算法的火电厂机组负荷优化分配研究

提出应用进化算法—免疫算法解决负荷优化分配的问题,在分析负荷分配的数学模型和免疫算法的基础上,详细研究了基于免疫算法的负荷优化分配方法。文中提出了抗体基因编码采用混合编码及抗体组的概念,更有利于算法的进行。该算法通过10台机组系统进行了验证,计算结果表明该算法与其他优化算法相比,能更有效的达到或接近全局最优。     

基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

求解多峰函数优化的小生境克隆选择算法

分析了传统的用于多峰函数优化问题的小生境遗传算法的特点和不足,基于免疫系统中的克隆选择原理,运用记忆算子、抑制算子和重组算子等技术对克隆选择算法进行了改造,并引入一种新的小生境技术,提出了一种解决多峰函数优化问题的小生境克隆选择算法。最后,实现了该算法对单无人作战飞机（unmanned combat air vehicle, UCAV)多航路规划这类多峰函数优化问题的优化仿真,结果表明该算法简单有效。     

匹配场反演后验概率分析

构造了一种基于并行优化算法的后验概率分析算法，用于对匹配场反演结果进行定量的概率分析。应用并行优化算法的强收敛特性，解决了统计计算中常出现的收敛标准难以确定的问题；应用优化算法高度并行、种群个体收敛高度一致的特性，较好的解决了高维统计计算中样本数量与计算时间、样本数量与样本质量之间难以协调的问题。匹配场反演仿真算例表明，该算法能有效对反演结果进行概率分析。