基于进化算法的大型场平土石方调配优化

摘要

土石方调配是以调配费用最小为目标，在充分考虑施工场地实际情况下，确定土石方挖填的调配量以及运输方向。在大型土建施工时，土石方调配费用对工程建设效益的高低起决定作用，影响着整个土建施工项目的费用、工期、质量、周边生态环境等。
　　本文以进化算法为理论基础，结合土石方调配的原则和特点，根据土石方平衡调配的数学模型，提出并编制了一种适应于大型场平土石方调配方案的实值编码优化技术，并将提出的优化技术应用于工程实际，证明了该优化技术的可行性。
　　本文主要研究内容如下:
　　(1)根据土石方施工区域的挖方区、填方区、借方区、弃土区的功能，将借方区作为挖方区的一部分，弃土区作为填方区的一部分。以挖方区和填方区的平衡关系建立场平土石方调配数学模型，并参照数学模型进行进化算法的编写。
　　(2)以轮盘赌选择方法为基础，模拟自然界生物选择现象，以适应度为基数计算种群个体的累积概率，并将累积概率与轮盘赌随机给出的概率进行比较，对个体进行优胜劣汰选择。
　　(3)将自适应遗传算法进行改进和扩充，引入EAEA法。考虑到交叉率过高会破坏种群的优良基因，交叉率过低会降低种群多样性;变异率过高会造成算法随机搜索，变异率过低会降低种群多样性，因此本文选用动态交叉、变异算子和自适应交叉变异算子混合使用的方法模拟生物界的随机性、无规律性和动态变化性。
　　(4)根据数学模型的特点，采用线性重组的方法，使新产生的种群满足挖方区和填方区平衡的要求。对新产生的种群进行变异操作，将进行变异的个体染色体进行排列，以列为单位进行变异，得到新种群，且满足问题约束要求。采用此方法进行交叉和变异操作，不再需要修复种群，为本算法对进化操作的创新，提高了算法的计算效率。
　　(5)为避免父代优秀个体基因的丢失，在操作中引入最优保留策略，将父代最优个体与子代最劣个体进行比较和替换。将得到的新个体与父个体进行比较，选用跨世纪精英选择策略，选择出适应度大的个体作为新的种群。
　　(6)将编写的算法与线性规划方法相比较，通过实例证明该算法的有效性与易操作性，并将该算法应用于工程实际。

目录

声明

摘要

1 引言

1．1 研究背景及意义

1．2 土石方调配优化方法的研究现状

1．2．1 线性规划模型(LPM)

1．2．2 大系统分解协调模型(LSSRCM)

1．2．3 动态规划模型(DPM)

1．2．4 多目标规划模型(MOPM)

1．2．5 计算机模拟方法(CSM)

1．2．6 其他模型(Other Model)

1．3 土石方调配优化的求解方法

1．3．1 土方累积图法(Earthwork Cumulative Figure Method)

1．3．2 线性规划法(Linear Programming)

1．3．3 电算法(Mass-Haul Diagram)

1．3．4 进化算法(evolutionary algorithms)

1．4 本文主要研究内容

2 进化算法的基本理论和方法

2．1 进化算法的产生与发展

2．2 进化算法的基本操作

2．2．1 编码

2．2．2 适应度函数

2．2．3 选择

2．2．4 基因重组／交叉

2．2．5 变异

2．3 进化算法参数选取原则

2．4 进化算法的特点

2．5 本章小结

3 基于进化算法的大型场平土石方调配优化研究

3．1 场平土石方调配的基本概念

3．1．1 土石方调配的原则

3．1．2 土石方调配的工作

3．1．3 影响土石方调配的因素

3．2 改进的进化算法技术

3．2．1 自适应进化算法(Adaptive Evolutionary Algorithm)

3．2．2 CHC算法(CHC Algorithm)

3．3 一种改进的进化算法优化技术

3．4 本章小结

4 基于EAEA法的大型场平土方调配优化模型

4．1大型场平土石方调配进化算法设计

4．1．1 大型场平土石方调配优化问题描述及数学公式

4．1．2 大型场平土石方调配算法设计

4．2 验证算法可行性

4．3 应用实例

4．3．1 实例介绍

4．3．2 运行结果及分析

4．4 本章小结

5 总结与展望

5．1 总结

5．2 展望

参考文献

作者简介

致谢

附录