流域治理工程方案智能優化研究現狀及研究方法

牛巖 葉勝蘭

摘 要：多目標優化是工程尋優問題的一個分支，同時也是工程管理問題的一個重要方面。本文以石川河綜合整治項目為例，總結了流域工程方案智能優化的研究現狀，并提出應用粒子群算法解決流域治理工程方案智能優化問題。

關鍵詞：流域治理 智能優化 方案

一、項目背景

石川河綜合整治項目位于富平縣城南，北至南環路，東至京昆高速，西至金龍大道西側，石川河從用地內穿過。石川河富平境內全長36.4公里，由于70年代上游修建桃曲坡水庫建壩蓄水，變成季節性河流。近年來，石川河除汛期外幾乎斷流，致使各類建筑垃圾、生活垃圾堵塞，污水橫流，群眾反映強烈，縣委縣政府經過多次規劃論證，決定實施石川河綜合整治項目。項目實施中為了滿足河道整治要求及兩岸濱河路施工要求，需進行垃圾清理、表土剝離，同時利用客土分層覆土壓實回填表層土，以滿足不同工程的壓實度要求。覆土完成后應及時種植喬木灌木，鋪設草皮，加強管護，以進一步改良土壤。因此覆土方案的確定不僅決定了土壤生產力狀況，直接影響植物的生長，同時，對土體穩定性起決定性作用，而土體穩定性也是工程建設的重點，另外，覆土方案也決定了工程成本，覆土厚度增加或減少幾厘米，工程量和費用投入是不容小視的。在保證植物正常生長，土體穩定的前提下，降低工程成本，確定最合理的覆土方案是流域治理項目中的關鍵科學問題之一，也是工程項目多目標優化的一個問題。

二、研究現狀

多目標優化是工程尋優問題的一個分支，同時也是工程管理問題的一個重要方面。隨著人類社會的不斷發展，工程管理由簡單到復雜改變，工程項目目標優化問題也由過去的單目標優化逐漸向多目標優化演化。優化的方法主要分為傳統多目標優化方法與人工智能優化方法，人工智能方法主要有人工免疫系統算法、遺傳算法以及粒子群算法（PSO）等。對于基于傳統方法的研究，由于傳統的多目標優化算法已經發展得很成熟，國內的研究基本同步于國外的研究。如約束法、分層序列法、線性加權法、線性規劃、可微可導等等，已經成為一個很成熟的理論[1]。對于PSO的研究，國內對于PSO的研究起步也相對比較晚，曾建潮和崔志華[2]利用分段進化的思想，切斷微粒種群的記憶并利用上一代的最優解在新種群求更優解，反復進行直至找到滿意適應度的解，大大提高了解的精度。對于人工免疫系統算法的研究，國內學者對人工免疫系統算法的研究遲于國外，直到1998年才出版了《免疫的非線性模型》（漆安慎等）一書，此后國內的學者也相繼提出了自己的人工免疫系統算法，他們的算法對于解決早熟、陷入局部收斂問題以及加快收斂速度問題具有較大作用，如周偉良[3]、王煦法[4]、王維博[5]等等。對于基于遺傳智能算法的研究，國學者在近幾年也取得了一些的成果。如武漢大學的康立山、閏震宇等人的研究，提出了基于進化算法的島嶼遷移問題;中國科學技術大學的李森、崔遜學等人的研究，較滿意地解決了遺傳算法在處理高維多目標優化中存在的問題。國內比較常見的遺傳智能算法有：向量評估遺傳算法、多性別遺傳算法、多目標遺傳算法、非劣分層遺傳算法、小組決勝遺傳算法等等。綜上，人工智能優化方法理論及實踐目前已經發展地相對成熟，但鮮少有學者將此方法應用到流域治理項目中涉及到的工程方案選擇問題上。

三、研究方法

粒子群優化算法[6-8]（PSO）是近幾年來發展迅速的一種基于群體智能的優化算法，其基本思想源于對鳥類的群體行為建模及仿真研究結果。鳥群復雜群體行為的三條簡單準則是：（1）為避免碰撞而遠離最近的個體;（2）盡量向目標靠近;（3）盡量向群體的中心靠近。鳥群內的每個個體采用上述規則所描述的行為，這就是PSO的基本概念之一。PSO的另一基本概念是人們決策是依靠自身的經驗及他人的經驗進行的。PSO在更新粒子時沒有交叉、變異等進化操作，而是依據自身的速度決定搜索，且每個粒子都有記憶。在優化過程中，只有當前最佳的個體（即離目標最近的粒子）能給其他粒子提供信息，這是信息的單向流動過程，粒子更新過程都跟隨當前最優解的過程。與遺傳算法相比，粒子群算法在多數情況下所有粒子都能更快收斂于全局最優解，因此，粒子群算法比遺傳算法的計算要簡單高效。

四、總結

本文以石川河綜合整治項目為例，通過閱讀大量文獻，總結了流域工程方案智能優化的研究現狀，并提出了研究方法，以期為類似流域治理項目覆土工程方案選擇提供借鑒。

參考文獻

[1] 蘇貴良. 基于免疫遺傳微粒群智能算法的工程項目多目標優化研究[D].中國石油大學（華東），2014.

[2] 曾建潮，崔志華.一種保證全局收斂的PSO算法[J].計算機研究與發展，2004（08）：1333-1338.

[3] 周偉良，何鯤，曹先彬，程慧霞.基于一種免疫遺傳算法的BP網絡設計[J].安徽大學學報（自然科學版），1999（01）：65-68.

[4] 王煦法，張顯俊，曹先彬，張軍，馮雷.一種基于免疫原理的遺傳算法[J].小型微型計算機系統，1999（02）：38-41.

[5] 王維博，林川，鄭永康.粒子群算法中參數的實驗與分析[J].西華大學學報（自然科學版），2008（01）：76-80+105-106.

[6] 史文娟，馮全源.一種改進的基于支持向量機的OFDM識別算法[J].微電子學與計算機，2014，31（10）：98-102.

[7] 王衛榮，金鵬，黃康.免疫遺傳算法在多目標優化設計中的應用[J].起重運輸機械，2007（02）：25-28.

[8] 孫明.基于粒子群優化的滑模控制參數整定[J].機械工程與自動化，2019（01）：173-175.

作者簡介：牛巖（1989–），女，山西運城人，碩士，主要從事土地工程方面研究

基金項目：陜西地建土地工程技術研究院內部預研項目2019-NBYY-04