針對(duì)當(dāng)前農(nóng)田灌溉管網(wǎng)建設(shè)中的總投資與灌溉合理分布問題,提出一種組合遺傳算法的農(nóng)田灌溉管網(wǎng)的兩級(jí)優(yōu)化模型。在第1級(jí)中,針對(duì)傳統(tǒng)遺傳算法迭代緩慢的問題,采用Kruskal算法和Dijkstra對(duì)種群進(jìn)行優(yōu)化,從而提高迭代效率;在第2級(jí)管徑優(yōu)化中,針對(duì)傳統(tǒng)二進(jìn)制編碼存在的問題,采用整數(shù)編碼的方式對(duì)最小投資額小的最佳管徑進(jìn)行優(yōu)化。最后采用MATLAB6.7仿真軟件,設(shè)置遺傳算法的相關(guān)參數(shù),對(duì)上述方案進(jìn)行驗(yàn)證。結(jié)果表明,構(gòu)建的改進(jìn)遺傳算法迭代次數(shù)為5次的時(shí)候,即可求解最優(yōu)解,同時(shí)迭代整體次數(shù)在100次。同時(shí)工程實(shí)例應(yīng)用表明,構(gòu)建的組合遺傳算法在總投資額上要小于遺傳算法,可節(jié)約8.4%的投資成本。由此,結(jié)果表明本算法的科學(xué)性。 

【文章來源】：自動(dòng)化與儀器儀表. 2020,(09)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

某灌區(qū)有向連接圖

考慮到遺傳群體的多樣性問題,單親遺傳算法基于群體單一化方法進(jìn)行優(yōu)化,降低了高質(zhì)量個(gè)體的影響,增強(qiáng)了方案的多樣化。當(dāng)初始群體來源于Kruskal、Dijkstra2種算法,則使用群體單一化策略時(shí)高質(zhì)量個(gè)體將會(huì)迅速脫離遺傳群體,最終降低了進(jìn)化的速率。為了有效地解決上述問題,進(jìn)行了針對(duì)性的設(shè)計(jì),即只是將單一化策略應(yīng)用到最優(yōu)群體的個(gè)體中,并持續(xù)更新其適應(yīng)度下限,以此能夠保證最優(yōu)群體的持續(xù)進(jìn)化。經(jīng)過改進(jìn)后,執(zhí)行過程中需要先對(duì)最優(yōu)群體的規(guī)模進(jìn)行設(shè)置,一般將其設(shè)置為遺傳群體規(guī)模的50%,或者是其他的比例,并且能夠隨著遺傳群體規(guī)模的改變做出對(duì)應(yīng)的變化;根據(jù)上述2種算法形成初始群體后,將其中個(gè)體的適應(yīng)度值作為下限,據(jù)此可以控制進(jìn)化的過程;在進(jìn)行過程中必須保證個(gè)體的適應(yīng)度大于最小適應(yīng)度的下限,才能進(jìn)入到后代群體中。按照相同的方式,需要持續(xù)在計(jì)算過程中更新最優(yōu)群體的適應(yīng)度下限,并逐步提升遺傳群體、最優(yōu)群體的質(zhì)量,最終能夠?qū)崿F(xiàn)最優(yōu)群體單一性的目標(biāo)。整個(gè)算法的具體執(zhí)行流程即為圖2所示。2.2 基于整數(shù)編碼的第二級(jí)管徑優(yōu)化

為了便于比較,將本文構(gòu)建算法與文獻(xiàn)[15]的研究例子進(jìn)行對(duì)比,采用圖1的連接管網(wǎng),從而得到圖3～圖5的研究結(jié)果。圖4 基于Dijkstra算法的管網(wǎng)長(zhǎng)度最短優(yōu)化結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)Dijkstra算法的燃?xì)鈶?yīng)急模擬演練研究[J]. 談亦豪,王亞慧.  現(xiàn)代電子技術(shù). 2018(20)
[2]基于粒子群算法的樹狀灌溉管網(wǎng)系統(tǒng)優(yōu)化設(shè)計(jì)[J]. 王文婷,郭乙霏.  節(jié)水灌溉. 2018(05)
[3]應(yīng)急資源配送中Dijkstra改進(jìn)算法的研究[J]. 石曉達(dá),孫連英,葛娜,趙平,李子元.  北京聯(lián)合大學(xué)學(xué)報(bào). 2018(02)
[4]基于GIS的Dijkstra算法改進(jìn)研究[J]. 任偉建,左方晨,黃麗杰.  控制工程. 2018(02)
[5]基于改進(jìn)Dijkstra算法的泊車系統(tǒng)路徑規(guī)劃研究[J]. 陳亞琳,莊麗陽(yáng),朱龍彪,邵小江,王恒.  現(xiàn)代制造工程. 2017(08)
[6]應(yīng)用Kruskal的改進(jìn)算法求最小生成樹[J]. 袁威威.  江蘇第二師范學(xué)院學(xué)報(bào). 2017(06)
[7]基于改進(jìn)Kruskal算法的變電站機(jī)器人路徑規(guī)劃[J]. 徐平,劉悅.  廣東電力. 2016(12)
[8]泵站加壓條件下規(guī)模化灌溉管網(wǎng)優(yōu)化方法研究[J]. 宋江濤,何武全.  人民黃河. 2016(11)
[9]Kruskal-Wallis H檢驗(yàn)平均秩多重比較在SPSS軟件中的實(shí)現(xiàn)[J]. 祁海萍,申希平.  蘭州工業(yè)學(xué)院學(xué)報(bào). 2015(02)
[10]基于蟻群算法的灌溉管網(wǎng)布置與管徑優(yōu)化設(shè)計(jì)研究[J]. 朱成立,謝志遠(yuǎn),柳智鵬.  江西農(nóng)業(yè)學(xué)報(bào). 2015(03)



本文編號(hào)：3253256