基于人工蜂群算法的管道自動布局優化研究

王志皓 隋國暉

摘要：針對建筑環境中管路自動布局所存在的管道彎頭多、布局時間長、未沿合理位置敷設等問題，建立三維建筑環境模型和管道模型。采用中間點法作為管道初始路徑生成方法，并結合標準人工蜂群算法求解管道最優路徑。仿真結果表明，基于中間點法的管道初始路徑生成方法和標準人工蜂群算法求解的路徑基本實現了管路自動布局的基本要求，具有可行性。

關鍵詞：初始管道路徑;人工蜂群算法;三維模型;管路自動布局

中圖分類號：TP391.9 文獻標識碼：A 文章編號：1007-9416（2019）10-0119-02

0 引言

21世紀以來，中國經濟迅猛發展，不僅僅給中國的建筑行業帶來很多的機遇，同時也要面臨更多的挑戰。目前的建筑領域內的相關技術日漸成熟，有弊端的傳統方法正在逐漸舍去，未來將迎接更多、更好的智能化方法來解決相關問題。現如今建筑物變得越發復雜，建筑物內部智能設備也日益增多，科學合理的管道自動布局技術就顯得非常重要。

1 人工蜂群算法簡述

人工蜂群算法是受蜜蜂行為啟發設計出來的。在2005年由Karaboga[1]小組為優化代數問題而提出。人工蜂群算法是模仿蜜蜂行為而提出的群體性智能算法[2-5]。不需要了解問題的特性，只比較優劣，通過各個個體進行局部尋優。人工蜂群算法作為已經被研究十幾年的算法其優缺點也是非常明顯。人工蜂群算法的優點就全局尋優能力強、收斂速度快。人工蜂群算法的缺點是在搜索到最優解時，速度會減慢，后期尋優能力較弱。人工蜂群算法適用范圍是求解多變量函數優化相關問題。人工蜂群算法一經問世就受到了很多專家學者的關注，并在各個領域都有所應用。

2 三維建筑環境模型建立

本文相關實驗主要是在MATLAB R2014a軟件中進行的，所以建筑物模型和管路模型都是在MATLAB R2014a中建立的。

將建筑環境設定在一個長方體空間中，整個長方體來模擬整個建筑物。其中長方體的四個立面模擬真實建筑環境的墻。為了盡可能的模擬出建筑空間內的障礙或管路不可經過的設備，在長方體空間中，放置各種立方體模塊，來模擬真實的建筑環境中柱、梁、豎井的位置。其中長方體中間的立方體模塊表示建筑環境中正常的施工空間即建筑使用空間。所設計的環境模型（圖1），簡化了真實環境的復雜程度，但真實建筑環境的主要特征還是可以在模型中表示出來的。

3 管道模型的建立

本文主要研究以單管道為核心的三維建筑管路自動布局問題。所以實際建筑的復雜環境，管路的多樣性，管路半徑的大小在建筑管路模型建立中基本忽略不計。其中建筑管路模型建立是以端點、中間點、連接段組成。

端點是管路的起點和終點，當前的管路起點與終點還是人為設置，后期可以采用視覺識別的方式或通過Revit二次開發的方式直接得到起點和終點。中間點分成關鍵點和插入點，關鍵點的生成與插入點的生成與最后生成的管路路徑質量息息相關。連接段是點與點之間連接起來的直線段，在模型中生成的所謂直線段就是后來自動生成的管路路徑，目前還有一些過于理想化，后期可以繼續加約束條件，將生成的管路模型真正的實例化。

在三維管路自動布局中，首先確定管路路徑的端點。然后隨機生成關鍵點，為了讓自動生成的管道正交，補入插入點。最后將這些關鍵點和插入點用連接段進行連接。其中關鍵點和插入點統稱基于中間點法初始管路路徑生成，所以此管道布局的方法叫基于中間點法初始管路路徑生成。

4 人工蜂群算法在管路自動布局中的應用研究

為了在建筑模型中得到最好的管道路徑規劃。本節在建筑模型中用所設計的中間點法生成多組管道路徑，采用人工蜂群算法進行求解最優管道路徑。人工蜂群算法在求解最優值時，具有算法性能穩定、效率高等特點。

4.1 適應度函數的設計

當一個管道被跟隨蜂選中之后，采用式（4）產生新的鄰居管道，再計算適應度值。在跟隨蜂時期采用貪心法在新管道和舊管道之間做出選擇。

偵查蜂時期：當雇傭蜂達到給定次數，仍然沒有提高管道路徑的質量，雇傭蜂就會轉化為偵查蜂，在建筑模型中隨機搜索新的管路路徑。

4.3 仿真實驗分析

經過仿真實驗，結果如圖2所示。由圖2可知：管道路徑長度為170，彎頭個數為13，管道能量值為2050，布局時間僅為9s。基于中間點法的初始路徑生成方法及人工蜂群算法求解的管路路徑有效的避開了障礙物，基本實現了管路自動布局的基本要求，具有可行性。

5 結語

本文主要研究的是三維建筑管路自動布局優化的問題。設計出了一種基于中間點法的管路初始路徑生成方法，結合人工蜂群算法求解最優管路路徑。這種方法求解得到的管道路徑有效的避開了障礙物，長度更短，彎頭更少，部分沿墻敷設，基本實現了管路自動布局的基本要求，具有可行性。

參考文獻

[1] Karaboga D.An idea based on honey bee swarm for numerical optimization[R].Technical Report-TR06.Kayseri： Ericiyes University，2005.

[2] 蔣林莉.量子遺傳算法研究現狀綜述[J].廣西科技師范學院學報，2016，31（02）：130-134.

[3] 高飛.遺傳算法在自動控制領域中的應用綜述[J].電子世界，2017（09）：51.

[4] 周金治，孟柳.基于差分進化與模擬退火的人工魚群算法研究[J].自動化儀表，2018，39（02）：72-76+85.

[5] 劉軍梅，龔朝暉，侯運鋒.一種適用于多機器人搜索動態目標的改進粒子群算法[J].計算機應用研究，2017，35（04）：1046-1051.