基于遗传算法的公路纵断面优化设计方法.pdf

基于遗传算法的公路纵断面优化设计方法 阎保定 ，郭跟成 ，随东丽 ，陈秀玲 ，袁 辉 (1．河南科技大学 电子信息工程学院，河南 洛阳 471003；2．洛阳市公路规划勘察设计院 ，河南 洛阳471002) 摘要 ：纵断面优化设计是公路优化设计 中一个重要 的组成部分 ，遗传算法是一种高效的全局寻优算法 。本文介 绍了用遗传算法实现纵断面优化设计的具体方法步骤 ，并编制出了计算机应用程序。经输入公路原始数据进行 实例计算 ，取得了令人满意的结果 ，证明了遗传算法在纵断面优化设计中的可行性及全局寻优的性能。 关键词：遗传算法 ；纵断面优化设计；公路设计 中圈分类号 ：U421．33；TP183 文献标识码 ：A U 罱 目前 ，国内外的公路路线优化设计 中仍采用传统的方法进行纵断面优化设计 。这种方法一般都是首 先通过一系列计算 自动产生…或 由人工给出一个初始纵断面方案 ，然后在其基础上凭经验进行优化或用 计算机迭代寻优 ，最后得到优化 的纵断面设计方案 。传统优化算法的不足之处是寻优范 围较小 ，因为它是 在原有方案的基础上局部寻优 ，所以优化结果 比较依赖于初始方案 的质量 。本文作者在研究出有效的局 部优化算法之后 ，又将遗传算法应用到公路设计中，创造出了一种公路纵断面全局优化设计算法 。 遗传算法是近年来发展起来的比较先进 的优化算法 2【】。与传统优化算法相 比，遗传算法 的第一步是 在整个解空间范围内随机产生若干个初始方案作为初始种群 ，这样使得初始种群分布于整个解空间，然后 在此基础上依靠遗传运算和进化运算进行搜索 ，经过若干代后得到最优解 ，所以它是一种全局优化方法 。 1 遗传算法优化过程 1．1 概述 本算法选择变坡点里程 和高程Y为决策变量b】。为了简化计算过程 ，参照公路设计的传统做法， 选择土石方工程量总和作为 目标 函数 ，约束条件考虑变坡 点取值范围以及最小坡长限制和最大纵坡坡度 限制。这样 ，公路纵断面优化问题可描述为 ： min f= l，2，…，f，… ，．，Yl，Y2，… ，Y，‘… ，Y．) s．t． 一，，，，，一，一一-p，三专 其中 7／,为变坡点个数 ； 、一为变坡点里程的最小取值和最大取值 ；，，山、，，一为变坡点高程的最小取 值和最大取值 ；P、P。为最小坡长限制和最大纵坡坡度限制 。 用遗传算法进行纵断面优化设计的流程如图1所示，Ⅳ和 分别代表种群规模和最大运行代数。优 化程序的开始是参数设定 ，包括纵断面参数(如变坡点个数、起止点坐标、变坡点里程和高程 的取值范围 等)以及遗传算法参数(如种群规模、运行代数等)。计算机根据相关参数随机产生一个初始纵断面方案， 并通过约束检验 ，如果不满足约束条件则放弃该方案 ，直到产生 Ⅳ个满足约束条件的方案 ，这些方案构成 了初始种群。对每一个初始方案分别计算其适应度 ，作为评估方案优劣的标准。 接下来在初始种群 的基础上进行选择、交叉和变异操作 ，产生的新种群作为后代参加下一代 的运算。 每一代运算结束 以后 比较每个个体的适应度 ，并将最佳个体保 留下来 ，经过 代之后得到的最佳个体就 是最优纵断面设计方案。 1．2 编码 编码将 问题的解转化为遗传算法所需要的染色 体，它是遗传算法解决问题的基础 。传统的二进制编 码方式会使染色体过长 ，不适合解决多变量复杂优化 问题，因此本文选择精度高，便于大空间搜索的实数 编码。实数编码是把十进制数作为一种编码形式参 与遗传操作。对于工程上的许多优化问题来说，因为 问题本身就是用实数描述的，所 以实数编码实际上就 是直接把解空间的解作为染色体参与遗传运算和进 化运算 ，从而省去 了编码和解码 的过程 ，使优化程序 得以简化 ，并能够保证寻优范围充满整个最优解可能 存在 的空间 。 1．3 初始种群 初始种群是在纵断面参数确定 以后根据有关数 据产生的。变坡点里程和高程 的取值范围确定 了解 空间范 围，计算机根据这个范围随机产生坐标点。把 这些坐标点与起点和终点依次相连 ，并进行约束检 验。如果满足约束条件 ，再根据坡度和坡长设计 出适 当的竖曲线 ，这样就构成 了一个初始纵断面方案 ，作 为初始种群的一个个体。重复这个过程 ，直到产生的 个体数达到所设定 的种群规模个数。 1．4 适应度 函数标定与选择 对每个个体计算 出适应度 ，即土石方工程量的总 和 】。纵断面优