多目標遺傳算法在水資源優化配置中的應用

劉喜峰等

摘 要：以四平市為例，通過多目標遺傳算法對規劃水平年的配水方案加以優化，得出四平市水資源最優配置結果。同時根據四平市水資源現狀，提出實現優化配置的措施，為該地區水資源可持續發展提供參考。

關鍵詞：遺傳算法；多目標；決策；水資源

中圖分類號：TV213.9；C934 文獻標識碼：A 文章編號：2095-6835（2014）07-0121-02

在各國社會和經濟發展中，水資源是不可或缺的。然而在中國，水資源目前卻面臨許多問題，主要表現為地區分布不均和供需矛盾突出。因此，亟需進行水資源優化配置，即在既定的水資源約束條件下，合理調配有限的水資源量，尋求經濟、社會和生態三者綜合效益的最大值，借以提高其利用率，實現水資源的可持續發展。本文擬構建水資源優化配置模型，并以四平市水資源綜合系統現狀為基準，研究四平市各地區之間水資源配置方案，為區域水資源的可持續開發和利用提供決策依據。

1 水資源多目標規劃模型的建立

水資源優化配置屬于多目標優選決策問題，需建立模型，其一般表達式如下：

遺傳算法是一種適合多目標優化決策的方法。通常多目標問題的最優解不只一個，而是會形成一組最優解集，稱為Pareto解。利用傳統的優化方法每次只能隨機得到Pareto解中的一個，而使用遺傳算法能得到更多的解。多目標遺傳算法的目標是構造非支配集，并使其不斷逼近最優解集，最終達到優化。

在區域水資源優化配置問題中，采用多目標遺傳算法優化過程為：以分給各地區各用戶的水量作為決策變量，對決策變量進行編碼，形成初始可行解集（即生成幾組初始配水方案），然后代入構建的優化模型中，通過判斷每個解的優劣程度來進行淘汰和選擇，從而產生新一代可行解集，重復該優化過程，直到出現一組最優解集，從而完成水資源優化配置。

該算法在MATLAB編程過程中，除需編碼隨機產生的初始個體、確定目標函數（也稱為適應度函數）外，還需設定種群大小、交叉率、變異率和最大進化代數等。

3 實例分析

四平市水資源總量不足，時空分布不均，人均水資源占有量低，屬于重度缺水地區。結合本文研究區的實際情況，選取2020年作為規劃水平年，并按照當地的規劃要求，最終確定了兩個目標，即區域的經濟效益最大和供水滿意度最高，目標權重系數初步擬定為0.6和0.4.

3.1 子區劃分

研究區按照行政可以分為四平市區、梨樹縣、公主嶺市、雙遼市和伊通縣，經層次分析法計算，各子區權重相應為0.28，0.13，0.28，0.20和0.11.

3.2 需水用戶

各分區的總用水劃分生活用水、工業用水、農業用水、生態環境用水和其他用水五部分。就四平市目前的情況，首先應保障該地區的居民生活用水，其次是工業用水，最后是農業灌溉供水，統籌兼顧環境等其他用水。因此，在需水約束條件中，生活需水量下限采用規劃水平年生活需水量的97%，工業需水量的下限采用規劃水平年工業需水量的90%.

2020年四平市各分區的可供水量和總需水量情況，可采用文獻[7]中的數據。將有關數據作為參數代入模型，采用多目標遺傳算法求解其優化配置的pareto解集，詳見圖1.由于MATLAB默認求最小值，所以目標函數所得結果均為負值。從得到的pareto解集中用排除法選取最適合解，則為四平市2020年水資源優化配置方案，見表1.

4 結束語

水資源優化配置是水資源規劃和開發利用的重要內容，本文建立了相應的模型，模型中的社會效益目標函數采用供水滿意度，采用多目標遺傳算法應用于實例，程序運行效率快，解集具有較好的分布性，水資源配置結果是合理可行的。

由于資料缺乏，并未獲得水源地對各分區的可供水量限額數據，因此本次研究中，沒能對水源地的水資源進行優化配置。在資料充分時，應繼續完善研究。

在模型的約束條件中，本文對生活用水和工業用水做了最低用水量的限制，以防所得結果使農業、生態和其他用水無限增大而不切合實際。但該限制同時也降低了水資源配置的實用價值模型，這方面需繼續改進。

作為國家建設節水型社會試點城市，四平市水資源優化配置應遠近結合，提高節水宣傳力度，加強節水措施和工業節水技術改造，實施灌渠防滲襯砌措施；加快引松供水等工程措施，把有限的水資源用于綜合效益高的產業項目；對水源地要嚴格劃定水源保護區，確保水質潔凈；加強污水處理，注重中水回用，使水資源實現可持續發展和利用。

參考文獻

[1]Xifeng LIU，Xuefeng YU，Kui YU.The Current Situation and Sustainable Development of Water Resources in China[J].2012 International Conference on Modern Hydraulic Engineering，2012（28）：522-526.

[2]劉喜峰.智能決策在水資源優化配置中的應用研究[D].哈爾濱：黑龍江大學，2012.

[3]孫凌虹，王靜.城市水資源優化配置概述[J].地下水，2011（03）：156-158.

[4]Holland JH.Adaptation in Nature and Artificial Systems[M].Cambridge：MIT Press，l992.

[5]李麗榮.基于Pareto Front的多目標遺傳算法[J].湘潭大學自然科學學報，2004，26（01）：39-41.

[6]陳南祥.基于多目標遺傳算法的水資源優化配置[J].水利學報，2006，37（03）：308-313.

[7]張妍.四平地區水資源優化配置研究[D].長春：吉林大學，2007.