給水管網優(yōu)化設計理論與方法
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了給水管網優(yōu)化設計理論與方法范文，希望能給你帶來靈感和參考，敬請閱讀。
給水管網優(yōu)化設計的研究包括管網優(yōu)化設計模型和優(yōu)化算法兩個方面，優(yōu)化設計模型需要相應的優(yōu)化算法進行求解。隨著計算機的出現及其應用軟件的開發(fā)，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(yōu)化設計模型研究
給水管網優(yōu)化設計模型是進行優(yōu)化設計的基礎，其優(yōu)劣程度決定優(yōu)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(fā)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(yōu)化設計模型研究，取得一定成果的有同濟大學、哈爾濱工業(yè)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(yōu)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(yōu)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(yōu)化設計模型求解算法研究
給水管網優(yōu)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(yōu)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(yōu)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(yōu)性。該算法目前應用較少。
（2）數學規(guī)劃法。
①線性規(guī)劃。線性規(guī)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(yōu)化設計，因此該算法應用較少。
②動態(tài)規(guī)劃法。動態(tài)規(guī)劃法是一種求解多階段決策過程最優(yōu)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(yōu)解;對于簡單的環(huán)狀管網，需預先假設一組管徑并進行初始流量分配，將環(huán)狀網化為樹狀網;對于復雜管網應用該法不能得到最優(yōu)解。
③非線性規(guī)劃法。非線性規(guī)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(yōu)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(guī)劃法能較好的反映管網系統的本質。
(3)隨機搜索優(yōu)化方法。
①神經網絡算法。神經網絡算法是將優(yōu)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(yōu)解，將最優(yōu)解映射為動力系統平衡點。目前將神經網絡算法用于環(huán)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(yōu)化，且易與其它算法結合。但有以下缺點：a:當規(guī)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(fā)現的解完全一致，不能對解空間進一步進行搜索，不利于發(fā)現更好的解，從而容易陷入局部最優(yōu)。
③遺傳算法。遺傳算法(GA)近年來被認為是管網優(yōu)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(yōu)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(yōu)解。它的優(yōu)勢主要在于:a:該算法不受可微、可導、連續(xù)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(guī)劃法需對連續(xù)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(yōu)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(yōu)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(fā)式搜索和退火算法的接受逆優(yōu)化解的尋優(yōu)特點，使得計算過程更加智能化，是未來優(yōu)化方法的發(fā)展方向。
作者：雍小龍 單位：浙江大學建筑設計研究院有限公司
