- 1、本文档共80页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中文
中文摘要
摘 要
城市给水系统是现代化城市最重要的基础设施之一 是城市文明 经济发 展和现代化水平的重要标志 给水管网的布置和结构不仅在很大程度上影响到 给水工程的总造价和运行管理中的能耗 而且还会影响到供水水质
目前 采用遗传算法求解管网优化问题正逐渐被国内外研究者所重视 其 中对约束条件的处理是遗传算法理论与应用研究中的热点问题之一 解决约束 优化问题的关键是如何平衡来自目标函数最优化与满足约束条件这两方面的压 力 目前主要采用罚函数法来处理带约束的优化问题 其实际应用的难点在于 如何设计适合问题的罚系数以平衡这个压力 在实际应用遗传算法时 容易出 现早熟和收敛性差等缺点 因而使得这类方法很难真正得到广泛应用
模拟退火算法是一种通用的优化算法 算法易于实现 且可有效避免陷入 局部极小值而最终趋于全局最优 但其计算时间长 效率较低 尽管如此 模 拟退火算法仍然在工程中得到了广泛应用
本文在对几种常见优化方法进行分析 比较的基础上 采用不可行度的概 念来直接产生满足一定约束条件的初始群体 从而避免了选择罚系数的麻烦 然后采用自适应的退火遗传算法进行迭代计算 最终求得最优解 在工程实例 中的成功应用表明 该算法在收敛速度 最优解的质量方面远远优于传统遗传 算法
作者还对退火遗传算法的性能进行分析和探讨 对算法中的有关参数的取 值范围提出建议
关键词 城市给水管网 水力计算 优化算法 不可行度 退火遗传算法
I
英文
英文摘要
ABSTRACT
Urban water supply system is one part of important fundamental facilities of model city. And it is a mark of civilization and economy and modernization level. Urban water distribution network influence obviously not only the total cost of water supply engineering and energy consumption during management but also water quality on network layout and pipes’ size.
Today it is thought much by researchers in domestic and overseas that using genetic algorithm to optimize the network. How to deal with constraints is one important part of focuses which are very important in genetic algorithm methods to optimization constraint functions. It is a key to how to balance the pressure from between the optimization of objective function and the satisfaction of constraints. Penalty function method is mainly used for optimization of constraint functions. But it is difficult to design suitable penalty factor to balance the pressure. Practically the shortcomings include the bad astringency and the premature solution of optimization and so on when using genetic algorithm to optimize the network. So the method can’t be used really in optimization problems.
Simulated Annealing is an universal algorithm and it is easily accomplished. And it can be effectively avoid premature solution. But it shortcomings include long computer time and low efficiency when using Simu
您可能关注的文档
- 基于神经网络的FPGA架构探索-微电子学与固体电子学专业论文.docx
- 基于神经网络的汽车故障诊断的研究-机械工程专业论文.docx
- 基于特定频带强化消声的排气系统声学特性研究-车辆工程专业论文.docx
- 基于统一特征空间的低分辨率人脸识别算法-计算机科学与技术专业论文.docx
- 基于稳态子空间分析的运动想象脑电信号研究-电子与通信工程专业论文.docx
- 基于全相位FFT的无合作目标激光测距技术的研究-仪器科学与技术专业论文.docx
- 基于钨酸基无机有机层状混杂结构的钨系微纳米晶材料的制备与表征-材料学专业论文.docx
- 基于遗传聚类的彩色图像分割-控制理论与控制工程专业论文.docx
- 基于图论的道路横断面设计研究与软件开发-建筑与土木工程专业论文.docx
- 基于视觉反馈的智能小车控制系统的开发与设计-控制科学与工程专业论文.docx
文档评论(0)