[发明专利]一种基于协同昂贵优化算法定位供水管网污染源的方法

权利要求书

1.一种基于协同昂贵优化算法定位供水管网污染源的方法，将供水网管中的污染源定位问题转化为优化问题，然后对优化问题进行求解即定位供水管网污染源，其特征在于，所述优化问题利用昂贵优化算法求解，在所述昂贵优化算法中引入高斯预测模型协同计算；所述高斯预测模型基于高斯随机过程建模，高斯随机过程建模模拟的参数少，并通过最大似然概率和优化算法求解；

所述昂贵优化算法中引入高斯预测模型协同计算的具体步骤为：

S1.获取供水管网中每个水质传感器检测到的污染物浓度；

S2.利用昂贵优化算法随机产生初始化样本集；

S3.在步骤S2的初始化样本集中随机选择初始化种群；

S4.将步骤S3初始化种群中的每个个体表示一个污染事件，并通过网平差软件模拟器模拟污染事件，输出供水管网各个节点的实际污染物浓度，并将输出供水管网各个节点的实际污染物浓度与步骤S1中检测到的污染物浓度相比较，计算个体适应度值；在保证定位精确度的情况下，通过高斯预测模型预测个体适应度值；

S5.若步骤S4得到的个体适应度值小于设定阈值，则结束，保存最优解；若步骤S4得到的个体适应度值大于设定阈值，则优化算法至求得最优解；

所述优化算法包括以下步骤：

S5.1.将初始化种群P根据污染源的位置、注入时间和注入质量均匀划分为三个子种群，分别为Pl、Pt、Pm；

S5.2.对子种群Pl、Pt、Pm均采用改进轮盘赌选择，具体过程为：针对种群P，采用基本的轮盘赌选择得到新种群np；统计新种群np中污染源位置相同个体出现的次数；对相同污染源位置出现次数大于或等于n次的个体保留其中适应度最好的个体np_i复制到种群P_i中，n根据实验经验值得出，而余下的n-1个个体不进行复制，相应位置的种群P保留；若污染源位置出现次数小于n，直接将np中个体复制的到种群P中相应的位置；

S5.3.对子种群Pl采用交叉算子和变异算子进行处理；对子种群Pt采用交叉算子和邻近搜索策略进行处理，所述邻近搜索策略把开始时间和持续时间看做一个整体，每次迭代中，所述开始时间和持续时间共同决定一个时间序列，搜索和开始时间和持续时间共同决定的时间序列重合程度最高的时间序列；对子种群Pm采用交叉算子和改进的变异策略进行处理，所述改进的变异策略为结合粒子群优化算法的思想，去向着最好的个体变异，且加入了一个自适应因子，来保证个体的多样性，改进的变异策略的算法在运行过程中，自适应因子会随着算法的收敛，逐渐变小，使得变异的范围能够自适应的调整；所述自适应因子的公式为：

individual(i_j)＝(individual(i_j)+Bestindividual(i_j))/2+rand*Maxdistance

式中：individaul表示个体，i表示需要进行突变的序号，即表示维度，Bestindividual表示的是Pm种群中的最好的个体，rand表示(0，1)之间的随机数，Maxdistance表示在第j维中所有个体的最大间距；

S5.4.步骤S5.3中针对交叉算子和变异算子产生的新个体采用高斯预测模型预测个体适应度值μ和预测误差σ，如果触发系数3σ/μ＜0.2直接使用高斯预测模型预测个体适应度值μ作为新个体适应度值，否则，随机生成一个概率P_*，如果P_*＜P,P＝t/x使用网平差软件计算个体适应度值，其中，t表示迭代次数，x为基数，否则，使用高斯预测模型预测个体适应度值；

S5.5.在每一次迭代结束后，种群根据个体适应度值进行排序，对高斯预测模型预测的个体适应度值的前N个个体使用网平差软件重新计算个体适应度值进行校正，N为种群的10％；

S5.6.对经过步骤S5.5处理的子种群Pl、Pt、Pm分别使用精英策略，在Pl种群中精英个体出现相同的情况下，采用扰动策略，在Pm中对于每一精英个体直接使用扰动策略；所述精英策略中精英个体出现相同的情况时，对相同精英个体进行扰动，即在位置上去搜索供水管网拓扑结构相近的节点，当出现有更好的个体时替换相同的精英个体，没有更好个体时，则直接选用种群中不一样的仅次于相同精英个体的个体；

S5.7.经过S代的整数倍，子种群Pl、Pt、Pm把最优个体的对应基因相互组合产生新的个体，并均匀加入的子种群Pl、Pt、Pm直接替换对应的最差个体；S5.8.达到最大迭代次数，则结束。