广东工业大学学报 ›› 2018, Vol. 35 ›› Issue (02): 35-40.doi: 10.12052/gdutxb.170052

• • 上一篇    下一篇

改进NSGA-Ⅱ算法在水质监测点多目标优化研究中的应用

李云1, 王志红1, 王琦1, 漆文光2, 李斌1, 吉瑞博1, 龙志宏2   

  1. 1. 广东工业大学 土木与交通工程学院, 广东 广州 510006;
    2. 广州市自来水公司, 广东 广州 510600
  • 收稿日期:2017-03-13 出版日期:2018-03-09 发布日期:2018-03-13
  • 通信作者: 王志红(1975-),女,教授,主要研究方向为供水管网优化理论及安全保障技术.E-mail:gdwzhihong@126.com E-mail:gdwzhihong@126.com
  • 作者简介:李云(1992-),男,硕士研究生,主要研究方向为供水管网水质监测点优化选址.
  • 基金资助:
    广东省科技攻关项目（2014A020216044）

A Study of Multi-objective Optimal Placement of Water Quality Monitoring Stations Based on Improved NSGA-Ⅱ Algorithm

Li Yun1, Wang Zhi-hong1, Wang Qi1, Qi Wen-guang2, Li Bin1, Ji Rui-bo1, Long Zhi-hong2   

  1. 1. School of Civil and Transportation Engineering, Guangdong University of Technology, Guangzhou 510006, China;
    2. Guangzhou Water Supply Company, Guangzhou 510600, China
  • Received:2017-03-13 Online:2018-03-09 Published:2018-03-13
  • Supported by:
     

HTML

PDF (PC)

2712

摘要： 为了改善NSGA-Ⅱ算法在水质监测点多目标优化选址的应用效果，在NSGA-Ⅱ算法的基础上引入外部存档储存非支配解和对父体染色体的选择方式进行改进. 在案例管网中应用NSGA-Ⅱ算法和改进的NSGA-Ⅱ算法对水质监测点多目标选址模型进行求解. 结果显示：在获得完整的非支配最优解的情况下，使用改进的NSGA-Ⅱ算法，相比于使用NSGA-Ⅱ算法节省了约42%的运算时间，提高了求解的效率.

关键词: 水质监测点, 非支配排序多目标遗传算法, 优化选址, 外部存档, 多目标

Abstract: To improve the solution searching efficiency of NSGA-Ⅱ in the multi-objective optimization of water quality monitoring station, an external archive is established to store non-dominant solution and the option of the paternal chromosomes improved on the basis of NSGA-Ⅱ. NSGA-Ⅱand improved NSGA-Ⅱare respectively used to solve the multi-objective optimal placement of water quality monitoring station in example network. The result shows that: comparing with NSGA-Ⅱ, the improved NSGA-Ⅱsaves about 42% of the operation time and improves the efficiency of solving in the complete non-dominant optimal solution. The improved NSGA-Ⅱis more applicable to solve multi-objective optimal placement of water quality monitoring station in actual network.

Key words: water quality monitoring station, non-dominant sorting multi-objective genetic algorithm, location optimization, external archive, multi-objective

中图分类号: 

  • TU991
[1] 胡晓敏, 龙祖涛, 李敏. 基于用户分层的多目标推荐算法[J]. 广东工业大学学报, 2023, 40(01): 10-18.
[2] 唐超兰, 谢义. 6061铝合金铣削工艺参数多目标优化[J]. 广东工业大学学报, 2020, 37(05): 87-93.
[3] 胡德卿, 熊锐, 吴坚, 谢火志, 潘浩坤. 基于滚流比的某汽油发动机进气道优化设计和研究[J]. 广东工业大学学报, 2019, 36(01): 87-92.
[4] 周怡璐, 王振友, 李叶紫, 李锋. MOEA/D聚合函数的二次泛化及其优化性能分析[J]. 广东工业大学学报, 2018, 35(04): 37-44.
[5] 唐俊杰, 陈璟华, 邱明晋. 基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究[J]. 广东工业大学学报, 2018, 35(03): 100-106.
[6] 黄美华, 温洁嫦, 何勇. 求解多目标背包问题的改进人工鱼群算法[J]. 广东工业大学学报, 2016, 33(05): 44-48.
[7] 江珊, 陈磊, 刘海林. 带有权重偏好的多目标进化算法[J]. 广东工业大学学报, 2016, 33(01): 67-72.
[8] 高鹰, 余琦, 刘外喜. 应用云模型和Favour排序的多目标优化算法[J]. 广东工业大学学报, 2014, 31(3): 14-20.
[9] 林若楠, 刘海林. 求解4G网络建站问题进化多目标算法[J]. 广东工业大学学报, 2014, 31(2): 64-68.
[10] 许欢, 温洁嫦. 差分进化算法在物流配送路径优化中的应用[J]. 广东工业大学学报, 2013, 30(4): 61-64.
[11] 谢桂芩，杨玉华，涂井先. 带有时间窗的虚拟场站接驳补货车辆路径问题[J]. 广东工业大学学报, 2013, 30(1): 61-67.
[12] 谢桂芩, 涂井先. 分区域多目标进化算法在协同车辆路径问题中的应用[J]. 广东工业大学学报, 2011, 28(4): 38-44.
[13] 张金凤 , 陈蔚丽. 多目标进化算法在物流配送中心选址中的应用[J]. 广东工业大学学报, 2010, 27(4): 76-80.
[14] 刘玉兰;. 下层带扰动参数的二层多目标优化问题的灵敏度分析[J]. 广东工业大学学报, 2009, 26(2): 11-.
[15] 刘海林； 刘永清； . 多目标最优化进化算法中适应性的选择[J]. 广东工业大学学报, 2002, 19(1): 7-10.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 2017 《广东工业大学学报》编辑部
地址：广州市东风东路729号广东工业大学 邮编：510090
电话：020-37626653,020-37626139,020-37626396
邮箱：xbzrb@gdut.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发