基于改进单亲遗传算法的树状管网布置优化.pdfVIP

水 利 学 报 2012年10月 SHUILI XUEBAO 第43卷 第10期 文章编号：0559-9350（2012）10-1243-05 基于改进单亲遗传算法的树状管网布置优化 周荣敏，雷延峰 （郑州大学 水利与环境学院，河南 郑州 450001） 摘要：改进单亲遗传算法采用Kruskal算法和Dijkstra算法进行群体初始化代替随机群体初始化过程；采用赌轮盘 选择和单亲换位算子作为主要遗传算子，取消选择率、换位率和单亲逆转算子，使算法结构更加简洁明了；增 设单一化的最优群体，并自动更新最优群体适应度值的下限。研究表明，通过一系列改进，在同样能获得最优解 的前提下，程序运行时间由70s缩短到5s，最大遗传代数由500代以上缩短到 100代以下，改进单亲遗传算法 （ISPGA）的性能提高显著。 关键词：改进单亲遗传算法；树状管网；优化布置 中图分类号：TU991.33 文献标识码：A ［1］ ［2］ ［3］ 从传统的线性规划、非线性规划等优化方法到现代的遗传算法 、人工神经网络 、蚁群算法 、 ［4］ ［5］ ［6］ ［7］ 模拟退火算法 、列队竞争算法 、微粒群算法 、文化基因算法 等智能优化算法，管网优化方法层 出不尽，各具优缺点。单亲遗传算法（SingleParentGeneticAlgorithm——SPGA）具有直接以树状管网 投资最小为优化布置目标，容易与优化设计算法自然衔接等特点。但是，随机的群体初始化过程使 SPGA的前若干代群体最小适应度为零的比例较高；选择率与换位率的存在增加了需要人工输入的参 数数目，使算法应用的复杂性提高等。在保持SPGA优点的基础上，本文针对SPGA的群体初始化方 法、遗传算子的改进以及参数组合的确定等进行研究，以进一步提高SPGA的性能，并称其为改进单 亲遗传算法（ImprovedSingleParentGeneticAlgorithm——ISPGA）。 1 ISPGA的主要改进措施 1.1 基于Kruskal算法和Dijkstra算法的群体初始化 从理论上讲，Kruskal算法和Dijkstra算法均属 于经典的全局优化算法，能得到管网总长度最短或路径最短的树状管网布置方案。尽管它们所得布 置方案的管网投资并非最小，但也是比较优秀的方案。通常，这两种算法只被作为SPGA的对比方 法，而没有将它们所产生的方案纳入SPGA的进化过程。SPGA的初始群体往往是随机产生的，致使 SPGA前若干代群体中最小适应度为零的比例非常高。尽管从性能较差的初始群体开始，最终能够进 化到性能较优的群体，但过程比较缓慢，需要设置较大的遗传代数。针对SPGA初始群体随机产生的 不足，本文进行了如下改进： 用Kruskal算法获得一个管网总长度最短的树状管网，用Dijkstra算法获得一个从水源点到各需水 节点路径最短的树状管网；计算相应布置情况下的管网投资及适应度值；随机从Kruskal算法和Dijk⁃ stra算法所产生的两个方案中选取相应的布置方案进入初始群体，直止达到所指定的群体规模。 1.2 基于赌轮盘选择和单亲换位的遗传算子设计 在遗传算法的进化过程中，遗传算子的设计对算 法性能影响较大。SPGA采用平等选择与优先选择相结合的选择机制，单亲换位算子和单亲逆转算子 收稿日期：2011-10-08 作者简介：周荣敏（1971-），女，河南新野人，副教授，博士，主要从事智能优化算法及给排水系统优化研究。 E-mail：zrmlly@ — 1243 — 相结合的随机执行机制，代间竞争和群体单一化相结合的遗传机制。对每一代群体是采用优先选择 还是采用平等选择，由所指定的选择率确定；对被选择的每一个个体是执行单亲换位算子还是执行 单亲逆转算子，由所指定的换位率确定。选择率和换位率的大小需要在