工程中的遗传算法

介绍遗传算法的基本原理、基本理论及其在工程决策（包括安全、环保）中的应用,说明这一新的优化技术具有广阔的应用前景。     

考虑洪涝灾害风险的城市应急避难场所选址研究*

为解决洪涝灾害下城市应急避难场所选址优化问题,将洪涝灾害风险评估与选址模型相结合。首先,运用灰色模糊综合评价法对洪涝灾害风险进行评价,得到洪涝灾害风险综合指数。然后,将综合指数归一化处理后作为权重引入疏散距离最小化和覆盖人口最大化的目标函数,结合最小化避难所数量,以最大服务范围、容量作为约束,构建引入洪涝灾害综合风险权重的多目标应急避难场所选址优化模型,并采用遗传算法对模型进行求解。最后,以武汉市作为实证研究对象验证模型的科学性和有效性。研究结果表明:在考虑洪涝灾害风险的情况下,应急避难场所选址方案可在接近最优解的情况下达到最优。研究结果可为城市防洪应急避难场所布局优化提供参考。     

Fe3O4/GO对水溶液中Cd(II)去除的影响因素

为探索高效且快速去除水溶液中Cd （Ⅱ）污染方法,采用自制磁性四氧化三铁负载氧化石墨烯（Fe₃O₄/GO）纳米复合材料对水溶液中Cd （Ⅱ）进行去除,利用单因素实验确定影响因素水平范围（初始Cd （Ⅱ）浓度、温度、反应时间、初始pH值）,并采用响应面法（RSM）及人工神经网络-遗传算法（ANN-GA）对去除水溶液中Cd （Ⅱ）的影响因素（4因素3水平）进行优化,利用等温吸附、动力学及热力学参数研究吸附剂性能.通过扫描电子显微镜（SEM）、X射线衍射仪及超导量子干涉器件（SQUID）对复合材料表征.结果表明,平均粒径为30.9nm的磁性Fe₃O₄/GO纳米复合材料被成功制备.RSM用于磁性Fe₃O₄/GO纳米复合材料对水溶液中Cd （Ⅱ）去除条件优化,预测去除率达到86.451%,验证试验为82.220%,对应条件：温度为20.14℃,反应时间为57.78min,初始pH值为6.41和初始Cd （Ⅱ）浓度为11.18mg/L; ANN-GA优化条件后的预测去除率为89.722%,验证试验为87.723%,相应条件：温度为29.96℃,pH值为5.49,初始Cd （Ⅱ）浓度为28.36mg/L,反应时间为65.78min.根据模型R²值,预测的最大去除率及验证试验,ANN-GA模型性能及预测能力均高于RSM.RSM方差分析表明4个因素对磁性Fe₃O₄/GO纳米复合材料去除水溶液中Cd （Ⅱ）的影响大小为：初始Cd （Ⅱ）浓度>温度>反应时间>pH值.吸附机理分析结果显示,Fe₃O₄/GO纳米复合材料对Cd （Ⅱ）吸附过程同时存在着物理吸附和化学吸附.结合ANN-GA优化,利用磁铁实现且快速分离,磁性Fe₃O₄/GO纳米复合材料用于去除Cd （Ⅱ）是可行的.关键字：Cd （Ⅱ）;四氧化三铁负载氧化石墨烯;单因素实验;响应面法;人工神经网络-遗传算法中图分类号：X53     

基于遗传算法的EMI滤波器自动进化设计

将遗传算法和电路进化设计应用于电源EMI滤波器的优化设计。针对EMI滤波器设计所需满足的各种限制条件,综合考虑滤波器插入损耗、阻抗失配、EMC标准等因素,确定设计优化准则,选择进化算法优选适合的电路拓扑,用遗传算法确定元件参数,实现滤波器自动设计。对遗传算法存在的“早熟”现象提出改进措施。实验验证了该优化设计结果能有效抑制EMI噪声,具有实用意义。     

基于循环疏散分配的避难场所布局优化研究——以南京新街口为例

如何在城市高密度地区合理配置避难场所,提高居民避难疏散的效率,已成为城市发展面临的重要问题。基于传统避难场所布局优化研究在避难需求预测、疏散分配方面的不足,提出了基于循环疏散分配的两阶段避难场所布局优化方法。首先基于手机信令数据获取高精度昼夜避难需求。优化模型设计了基于重力模型的循环疏散分配规则,同时考虑避难人群年龄结构的空间差异性,以避难场所建设成本和总疏散距离为目标函数确定最优的避难场所布局方案。第一阶段以避难场所建设成本最小为优化目标,设计遗传算法确定建设成本最小的布局方案。第二阶段以总疏散距离为优化目标,在第一阶段的基础上采用穷举法确定总疏散距离最短的避难场所布局方案。以南京市新街口片区为实证研究案例,验证了基于循环疏散分配的避难场所布局优化方法的可行性和适用性。     

基于遗传BP神经网络模型的矿井突水水源判别

在分析矿井突水水源的水化学特征基础上,选取常用的Na~++K~+,Ca~(2+),Mg~(2+),Cl~-,HCO_3~-,SO_4~(2-)等6种离子质量浓度作为水源判别的依据,将具有局部搜索能力的BP神经网络和具有全局寻优功能的遗传算法(GA)进行结合,提高神经网络的泛化性。为了验证其优点,分别采用BP和GA-BP两种神经网络模型对20组训练样本进行训练,并对6组待测样本进行判别。结果表明:GA-BP神经网络模型克服了BP神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能提高BP神经网络的判别精度;虽然经过GA初始化的BP神经网络在训练过程中收敛速度与误差均不如未优化的BP神经网络,但GA-BP网络模型泛化性却高于BP网络模型,能提高突水水源的判别准确性。     

基于多模式逆向水质模型的程海水位调控-水质响应预测研究

以云南省程海为例,基于CE-QUAL-W2计算平台开发了水动力-水质模型.由于程海现有的数据不足以支撑开发可靠的流域水文与污染物负荷模型,为弥补由此引起的水质模型边界条件缺失的限制,本研究提出了基于逆向模拟与遗传算法的多模式负荷-参数识别方法来实现对水质模型的校正和鲁棒校验.应用校验后的模型对程海不同水位调控情景的水质...     

基于计算智能的流域污染排放优化模式研究

基于人工神经网络和遗传算法建立了流域排污削减控制的技术框架.通过对排污口和目标断面水质监测数据的模拟与优化提出最优的排污削减控制策略,从而使目标功能区达标,可以间接的实现环境容量总量控制.结合情景分析理论对松花江哈尔滨段的朱顺屯-东江桥(S1)与东江桥-大顶子山(S2)功能区进行了COD的排污优化研究.结果表明,S1区段执行III类功能区标准时,何家沟与松北两个排污口平均削减率分别为23%和25%;执行II类功能区标准时2个排污平均削减率分别为64%和42%.S2执行II类功能区标准,太平,阿什河和呼兰河排污口全年平均削减率分别为18%、53%和25%.基于计算智能的削减控制模式实用可操作性强,可以科学、合理的对各个排污口源强进行优化,给出最优的污染排放策略.     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。     

采用遗传算法优化气体探测器布局策略研究

石油石化装置具有结构复杂且危险性高的特点,所加工物料多为易燃易爆有毒物质,且工艺单元之间集成度高,一旦发生泄漏若无法及时探测到则易形成气液积聚和火灾爆炸后果强化,装置拥塞度高使人员逃生困难。火气系统FGS作为安全关键系统,其中的气体探测网络如何快速可靠的实现对气体泄漏事件的探测显得尤为重要。已知探测时间,通过引入遗传算法利用其全局搜索的特点克服传统分支定界法的缺点,实现立体空间不同高度下设置探测网络达到场景全覆盖和缩短探测时间,同时求出探测时间附近的多组最优解,为探测器放置提供多种布置方案。通过与传统等间距探测器布置方案比较,从多种布置方案中选择更符合实际的最佳方案。通过海上浮式生产储油船的生产夹板气体探测案例,验证了所提方法的有效性。