資源描述：
《基于模擬退火遺傳算法的管網(wǎng)優(yōu)化設(shè)計方法的分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、西南交通大學(xué)碩士研究生論文第5頁等方面，需耍豐富的想象力和靈活的技巧性，使動念規(guī)劃技術(shù)的應(yīng)用范圍受到限制。1．4現(xiàn)代優(yōu)化技術(shù)最優(yōu)化是人們在工程技術(shù)、科學(xué)研究和經(jīng)濟管理等諸多領(lǐng)域中經(jīng)常遇到的問題。例如結(jié)構(gòu)設(shè)計要在滿足強度要求等條件下使所用的材料總重量最輕；資源分配要使各用戶利用有限資源產(chǎn)生的總效益最大。解決實際生活中優(yōu)化問題的手段大致有以下幾種：一是靠經(jīng)驗的積累，憑主觀作判斷：二是做試驗選方案，比較優(yōu)劣定決策：三是建立數(shù)學(xué)模型，求解最優(yōu)策略。雖然由于建立模型時要作適當(dāng)簡化，可能使結(jié)果不一定非常完善，但是它基于客觀數(shù)據(jù)，
2、求解問題簡便、靈活、經(jīng)濟，而且規(guī)?？梢院艽?。人們還可以吸收從經(jīng)驗得到的規(guī)則，用實驗來不斷校正建立的模型。隨著數(shù)學(xué)方法和計算機技術(shù)的進步，用建模和數(shù)值模擬解決優(yōu)化問題這～手段，將會越來越顯示出它的效能和威力。顯然，在決策定量化、科學(xué)化的呼聲日益高漲的今天，優(yōu)化方法的推廣應(yīng)用是符合時代潮流和形勢發(fā)展需要“1。隨著20世紀(jì)80年代初期禁忌搜索、模擬退火、遺傳算法和人工神經(jīng)網(wǎng)絡(luò)算法等優(yōu)化算法的興起，人們對這些算法的模型、理論和應(yīng)用技術(shù)等一系列問題進行了深入的研究，并將這些算法稱為現(xiàn)代優(yōu)化算法?，F(xiàn)代優(yōu)化算法的主要應(yīng)用對象是優(yōu)化
3、問題中的難解問題*】。禁忌搜索算法是局部鄰域搜索算法的推廣，是人工智能在組合優(yōu)化算法中的成功應(yīng)用，Glover在1986年首次提出這一概念，進而形成一套完整算法禁忌搜索算法的特點是采用了禁忌技術(shù)。所謂禁忌技術(shù)就是禁止重復(fù)前面的工作。為了回避局部鄰域搜索陷入局部最優(yōu)的主要不足，禁忌搜索算法用一個禁忌表記錄下己經(jīng)到達過的局部最優(yōu)解，在下一次搜索中，利用禁忌表中的信息不再選擇搜索過的這些點，以此來跳出局部最優(yōu)點。模擬退火算法是局部鄰域搜索算法的擴展。它不同于局部鄰域搜索算法，面是以一定的概率選擇鄰域中費用值大的狀態(tài)。從理論
4、上講，它是一個全局最優(yōu)算法。模擬退火算法最早的思想是由Metropolis在1953年提出Kirkpatrick在1983年成功地應(yīng)用在組合最優(yōu)化問題中。人工神經(jīng)網(wǎng)絡(luò)的早期工作可以追朔至1943年McCulloch和Pittc建立的第一個模型，后被擴展為認識模型。認識模型的第一個功效可以用來解決簡單的分類問題。20世紀(jì)80年代，Hopfield將人工神經(jīng)網(wǎng)絡(luò)成功的應(yīng)用在組合優(yōu)化問題中。人工神經(jīng)網(wǎng)絡(luò)的模型要求發(fā)展神經(jīng)網(wǎng)絡(luò)型計算系統(tǒng)來替代傳統(tǒng)的計算機。這種計算系統(tǒng)不再是傳統(tǒng)計算機順序執(zhí)行命令的運行過程，是希望對輸入系統(tǒng)進
5、行平行處理；這種計算系統(tǒng)不再是只包含一個或幾個復(fù)雜的計算設(shè)備，眾多藺單設(shè)備有機組合在一起：計算系統(tǒng)處理信息時，不再是將信息存儲在一個精確的位置，而是通過神經(jīng)原的內(nèi)部相連關(guān)西南交通大學(xué)碩士研究生論文第6頁系達到信息存儲的目的。遺傳算法是基于自然選擇和遺傳機制，在計算機上模擬q三物進化機制的尋優(yōu)搜索算法，它把搜索空問(解空間)映射為遺傳空f．J(即將可行解編碼作為一個向量染色體)，n個染色體構(gòu)成一個群體P，并按預(yù)定的函數(shù)(適應(yīng)度函數(shù))對每個染色體進行評價，根據(jù)“適者生存”的原則保存優(yōu)者，淘汰劣者，使群體逐步收斂于最優(yōu)解。
6、1．5本論文研究內(nèi)容目前，由于遺傳算法的尋優(yōu)效率高，適用范圍廣，既可以適用于連續(xù)變量也可以適用于離散變量。所以大量的管網(wǎng)優(yōu)化設(shè)計均采用遺傳算法。但在算法參數(shù)的選取上，往往是憑主觀經(jīng)驗。缺乏科學(xué)依據(jù)：參數(shù)選擇不合適的話將嚴(yán)重影響優(yōu)化性能，經(jīng)常會出現(xiàn)進化緩慢或“早熟”現(xiàn)象。因此，本論文就針對以上問題提出了一種混合優(yōu)化策略——模擬退火遺傳算法(SAGA)。這種混合策略具有以下優(yōu)點：優(yōu)化機制的融合、優(yōu)化結(jié)構(gòu)的互補、優(yōu)化操作的結(jié)合、優(yōu)化行為的互補、削弱參數(shù)選擇的苛刻性。本論文第二章將分別介紹了模擬退火算法和遺傳算法的基本原理、
7、基本實現(xiàn)技術(shù)。第三章介紹了模擬退火遺傳算法混合優(yōu)化策略及穩(wěn)定性分析。第四章和第五章分別介紹模擬退火遺傳算法在管網(wǎng)布置和管網(wǎng)優(yōu)化布置中的應(yīng)用。最后，對本論文的研究成果進行總結(jié)，對后續(xù)研究進行了討論和展望西南交通大學(xué)碩士研究生論文第7頁第2章模擬退火算法及遺傳算法2．1模擬退火算法模擬退火算法(Simulatedannealingalgorithm)是1983年由KirkpatrickS．等人首次提出的隨機性搜索方法，已被成功地用于求解TST。VLSI(超大規(guī)模集成電路)電路設(shè)計和計算機設(shè)計等大規(guī)模組合優(yōu)化問題。模擬退火
8、算法源于對固體退火過程的模擬，它采用MetropoliS接受準(zhǔn)則，并用一組稱為冷卻進度表的參數(shù)控制算法進程，使算法在多項式時問(優(yōu)化計算時問與問題的規(guī)模呈多項式關(guān)系，而不是指數(shù)關(guān)系)里給出一個近似最優(yōu)解嘲。2．1．1模擬退火算法思想模擬退火算法的基本思想就是用物質(zhì)系統(tǒng)的退火過程來模擬優(yōu)化問題的尋優(yōu)過程，當(dāng)物質(zhì)系統(tǒng)達到最小能量狀態(tài)時，優(yōu)化問題的目
