多目標(biāo)遺傳算法在水資源優(yōu)化配置中的應(yīng)用

劉喜峰等

摘 要：以四平市為例，通過多目標(biāo)遺傳算法對(duì)規(guī)劃水平年的配水方案加以優(yōu)化，得出四平市水資源最優(yōu)配置結(jié)果。同時(shí)根據(jù)四平市水資源現(xiàn)狀，提出實(shí)現(xiàn)優(yōu)化配置的措施，為該地區(qū)水資源可持續(xù)發(fā)展提供參考。

關(guān)鍵詞：遺傳算法；多目標(biāo)；決策；水資源

中圖分類號(hào)：TV213.9；C934 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-6835（2014）07-0121-02

在各國(guó)社會(huì)和經(jīng)濟(jì)發(fā)展中，水資源是不可或缺的。然而在中國(guó)，水資源目前卻面臨許多問題，主要表現(xiàn)為地區(qū)分布不均和供需矛盾突出。因此，亟需進(jìn)行水資源優(yōu)化配置，即在既定的水資源約束條件下，合理調(diào)配有限的水資源量，尋求經(jīng)濟(jì)、社會(huì)和生態(tài)三者綜合效益的最大值，借以提高其利用率，實(shí)現(xiàn)水資源的可持續(xù)發(fā)展。本文擬構(gòu)建水資源優(yōu)化配置模型，并以四平市水資源綜合系統(tǒng)現(xiàn)狀為基準(zhǔn)，研究四平市各地區(qū)之間水資源配置方案，為區(qū)域水資源的可持續(xù)開發(fā)和利用提供決策依據(jù)。

1 水資源多目標(biāo)規(guī)劃模型的建立

水資源優(yōu)化配置屬于多目標(biāo)優(yōu)選決策問題，需建立模型，其一般表達(dá)式如下：

遺傳算法是一種適合多目標(biāo)優(yōu)化決策的方法。通常多目標(biāo)問題的最優(yōu)解不只一個(gè)，而是會(huì)形成一組最優(yōu)解集，稱為Pareto解。利用傳統(tǒng)的優(yōu)化方法每次只能隨機(jī)得到Pareto解中的一個(gè)，而使用遺傳算法能得到更多的解。多目標(biāo)遺傳算法的目標(biāo)是構(gòu)造非支配集，并使其不斷逼近最優(yōu)解集，最終達(dá)到優(yōu)化。

在區(qū)域水資源優(yōu)化配置問題中，采用多目標(biāo)遺傳算法優(yōu)化過程為：以分給各地區(qū)各用戶的水量作為決策變量，對(duì)決策變量進(jìn)行編碼，形成初始可行解集（即生成幾組初始配水方案），然后代入構(gòu)建的優(yōu)化模型中，通過判斷每個(gè)解的優(yōu)劣程度來進(jìn)行淘汰和選擇，從而產(chǎn)生新一代可行解集，重復(fù)該優(yōu)化過程，直到出現(xiàn)一組最優(yōu)解集，從而完成水資源優(yōu)化配置。

該算法在MATLAB編程過程中，除需編碼隨機(jī)產(chǎn)生的初始個(gè)體、確定目標(biāo)函數(shù)（也稱為適應(yīng)度函數(shù)）外，還需設(shè)定種群大小、交叉率、變異率和最大進(jìn)化代數(shù)等。

3 實(shí)例分析

四平市水資源總量不足，時(shí)空分布不均，人均水資源占有量低，屬于重度缺水地區(qū)。結(jié)合本文研究區(qū)的實(shí)際情況，選取2020年作為規(guī)劃水平年，并按照當(dāng)?shù)氐囊?guī)劃要求，最終確定了兩個(gè)目標(biāo)，即區(qū)域的經(jīng)濟(jì)效益最大和供水滿意度最高，目標(biāo)權(quán)重系數(shù)初步擬定為0.6和0.4.

3.1 子區(qū)劃分

研究區(qū)按照行政可以分為四平市區(qū)、梨樹縣、公主嶺市、雙遼市和伊通縣，經(jīng)層次分析法計(jì)算，各子區(qū)權(quán)重相應(yīng)為0.28，0.13，0.28，0.20和0.11.

3.2 需水用戶

各分區(qū)的總用水劃分生活用水、工業(yè)用水、農(nóng)業(yè)用水、生態(tài)環(huán)境用水和其他用水五部分。就四平市目前的情況，首先應(yīng)保障該地區(qū)的居民生活用水，其次是工業(yè)用水，最后是農(nóng)業(yè)灌溉供水，統(tǒng)籌兼顧環(huán)境等其他用水。因此，在需水約束條件中，生活需水量下限采用規(guī)劃水平年生活需水量的97%，工業(yè)需水量的下限采用規(guī)劃水平年工業(yè)需水量的90%.

2020年四平市各分區(qū)的可供水量和總需水量情況，可采用文獻(xiàn)[7]中的數(shù)據(jù)。將有關(guān)數(shù)據(jù)作為參數(shù)代入模型，采用多目標(biāo)遺傳算法求解其優(yōu)化配置的pareto解集，詳見圖1.由于MATLAB默認(rèn)求最小值，所以目標(biāo)函數(shù)所得結(jié)果均為負(fù)值。從得到的pareto解集中用排除法選取最適合解，則為四平市2020年水資源優(yōu)化配置方案，見表1.

4 結(jié)束語

水資源優(yōu)化配置是水資源規(guī)劃和開發(fā)利用的重要內(nèi)容，本文建立了相應(yīng)的模型，模型中的社會(huì)效益目標(biāo)函數(shù)采用供水滿意度，采用多目標(biāo)遺傳算法應(yīng)用于實(shí)例，程序運(yùn)行效率快，解集具有較好的分布性，水資源配置結(jié)果是合理可行的。

由于資料缺乏，并未獲得水源地對(duì)各分區(qū)的可供水量限額數(shù)據(jù)，因此本次研究中，沒能對(duì)水源地的水資源進(jìn)行優(yōu)化配置。在資料充分時(shí)，應(yīng)繼續(xù)完善研究。

在模型的約束條件中，本文對(duì)生活用水和工業(yè)用水做了最低用水量的限制，以防所得結(jié)果使農(nóng)業(yè)、生態(tài)和其他用水無限增大而不切合實(shí)際。但該限制同時(shí)也降低了水資源配置的實(shí)用價(jià)值模型，這方面需繼續(xù)改進(jìn)。

作為國(guó)家建設(shè)節(jié)水型社會(huì)試點(diǎn)城市，四平市水資源優(yōu)化配置應(yīng)遠(yuǎn)近結(jié)合，提高節(jié)水宣傳力度，加強(qiáng)節(jié)水措施和工業(yè)節(jié)水技術(shù)改造，實(shí)施灌渠防滲襯砌措施；加快引松供水等工程措施，把有限的水資源用于綜合效益高的產(chǎn)業(yè)項(xiàng)目；對(duì)水源地要嚴(yán)格劃定水源保護(hù)區(qū)，確保水質(zhì)潔凈；加強(qiáng)污水處理，注重中水回用，使水資源實(shí)現(xiàn)可持續(xù)發(fā)展和利用。

參考文獻(xiàn)

[1]Xifeng LIU，Xuefeng YU，Kui YU.The Current Situation and Sustainable Development of Water Resources in China[J].2012 International Conference on Modern Hydraulic Engineering，2012（28）：522-526.

[2]劉喜峰.智能決策在水資源優(yōu)化配置中的應(yīng)用研究[D].哈爾濱：黑龍江大學(xué)，2012.

[3]孫凌虹，王靜.城市水資源優(yōu)化配置概述[J].地下水，2011（03）：156-158.

[4]Holland JH.Adaptation in Nature and Artificial Systems[M].Cambridge：MIT Press，l992.

[5]李麗榮.基于Pareto Front的多目標(biāo)遺傳算法[J].湘潭大學(xué)自然科學(xué)學(xué)報(bào)，2004，26（01）：39-41.

[6]陳南祥.基于多目標(biāo)遺傳算法的水資源優(yōu)化配置[J].水利學(xué)報(bào)，2006，37（03）：308-313.

[7]張妍.四平地區(qū)水資源優(yōu)化配置研究[D].長(zhǎng)春：吉林大學(xué)，2007.