牛巖 葉勝蘭

摘 要：多目標(biāo)優(yōu)化是工程尋優(yōu)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(jié)了流域工程方案智能優(yōu)化的研究現(xiàn)狀，并提出應(yīng)用粒子群算法解決流域治理工程方案智能優(yōu)化問題。

關(guān)鍵詞：流域治理 智能優(yōu)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(huán)路，東至京昆高速，西至金龍大道西側(cè)，石川河從用地內(nèi)穿過。石川河富平境內(nèi)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(jié)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(jīng)過多次規(guī)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(yīng)及時種植喬木灌木，鋪設(shè)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(chǎn)力狀況，直接影響植物的生長，同時，對土體穩(wěn)定性起決定性作用，而土體穩(wěn)定性也是工程建設(shè)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(wěn)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(guān)鍵科學(xué)問題之一，也是工程項目多目標(biāo)優(yōu)化的一個問題。

二、研究現(xiàn)狀

多目標(biāo)優(yōu)化是工程尋優(yōu)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(fā)展，工程管理由簡單到復(fù)雜改變，工程項目目標(biāo)優(yōu)化問題也由過去的單目標(biāo)優(yōu)化逐漸向多目標(biāo)優(yōu)化演化。優(yōu)化的方法主要分為傳統(tǒng)多目標(biāo)優(yōu)化方法與人工智能優(yōu)化方法，人工智能方法主要有人工免疫系統(tǒng)算法、遺傳算法以及粒子群算法（PSO）等。對于基于傳統(tǒng)方法的研究，由于傳統(tǒng)的多目標(biāo)優(yōu)化算法已經(jīng)發(fā)展得很成熟，國內(nèi)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(quán)法、線性規(guī)劃、可微可導(dǎo)等等，已經(jīng)成為一個很成熟的理論[1]。對于PSO的研究，國內(nèi)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(yōu)解在新種群求更優(yōu)解，反復(fù)進行直至找到滿意適應(yīng)度的解，大大提高了解的精度。對于人工免疫系統(tǒng)算法的研究，國內(nèi)學(xué)者對人工免疫系統(tǒng)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(nèi)的學(xué)者也相繼提出了自己的人工免疫系統(tǒng)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(xué)者在近幾年也取得了一些的成果。如武漢大學(xué)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(xué)技術(shù)大學(xué)的李森、崔遜學(xué)等人的研究，較滿意地解決了遺傳算法在處理高維多目標(biāo)優(yōu)化中存在的問題。國內(nèi)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(biāo)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(yōu)化方法理論及實踐目前已經(jīng)發(fā)展地相對成熟，但鮮少有學(xué)者將此方法應(yīng)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(yōu)化算法[6-8]（PSO）是近幾年來發(fā)展迅速的一種基于群體智能的優(yōu)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(jié)果。鳥群復(fù)雜群體行為的三條簡單準(zhǔn)則是：（1）為避免碰撞而遠(yuǎn)離最近的個體;（2）盡量向目標(biāo)靠近;（3）盡量向群體的中心靠近。鳥群內(nèi)的每個個體采用上述規(guī)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(jīng)驗及他人的經(jīng)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(jù)自身的速度決定搜索，且每個粒子都有記憶。在優(yōu)化過程中，只有當(dāng)前最佳的個體（即離目標(biāo)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(dāng)前最優(yōu)解的過程。與遺傳算法相比，粒子群算法在多數(shù)情況下所有粒子都能更快收斂于全局最優(yōu)解，因此，粒子群算法比遺傳算法的計算要簡單高效。

四、總結(jié)

本文以石川河綜合整治項目為例，通過閱讀大量文獻，總結(jié)了流域工程方案智能優(yōu)化的研究現(xiàn)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(biāo)優(yōu)化研究[D].中國石油大學(xué)（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(fā)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(wǎng)絡(luò)設(shè)計[J].安徽大學(xué)學(xué)報（自然科學(xué)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(tǒng)，1999（02）：38-41.

[5] 王維博，林川，鄭永康.粒子群算法中參數(shù)的實驗與分析[J].西華大學(xué)學(xué)報（自然科學(xué)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(xué)與計算機，2014，31（10）：98-102.

[7] 王衛(wèi)榮，金鵬，黃康.免疫遺傳算法在多目標(biāo)優(yōu)化設(shè)計中的應(yīng)用[J].起重運輸機械，2007（02）：25-28.

[8] 孫明.基于粒子群優(yōu)化的滑?？刂茀?shù)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(shù)研究院內(nèi)部預(yù)研項目2019-NBYY-04