[发明专利]一种桥梁布跨方法、装置、设备及可读存储介质

说明书

本发明提供了一种桥梁布跨方法、装置、设备及可读存储介质，涉及桥梁建造技术领域，包括利用人工智能进行布跨的新思路。针对智能布跨的需求，以桥梁布跨的基本原则和计算原理为基础再结合强化学习优良的学习决策能力，通过经过Sarsa(λ)算法优化输出策略价值网络，并将策略价值网络加入到A l phaGo算法之中，在模拟阶段节点除了可以通过快速布跨策略获取以其为根节点的全局模拟所对应的累计奖励外，还可以直接在策略价值网络中找到与之对应的最大累计奖励，最后取两者中的最大者作为该节点模拟结束后的实际累计奖励，依此提升A l phaGo算法最后的运算结果。

技术领域

本发明涉及桥梁建造技术领域，具体而言，涉及桥梁布跨方法、装置、设备及可读存储介质。

背景技术

桥梁在交通运输中发挥着重大作用。修建桥梁可以有效解决路基沉降问题、节省土地资源、保证行车平顺，其中桥梁孔跨布置在方案设计中是一个关键问题。桥梁布跨需要十分有经验的设计人员，并且需要花费大量的时间，而且得出的结果不一定最优,现在亟需一种桥梁布跨算法代替人工进行设计。

发明内容

本发明的目的在于提供一种桥梁布跨方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种桥梁布跨方法，包括：获取线路地形图纸信息；根据所述线路地形图纸信息，分析得到第一信息，所述第一信息包括桥墩高程信息、路线里程信息、桥梁起始坐标信息、桥梁终止坐标信息和跨越区域位置信息；基于第一信息建立基于Sarsa算法和AlphaGo的桥梁布跨数学模型，求解所述桥梁布跨数学模型得到第二信息，所述第二信息包括桥梁的桥墩坐标和桥墩里程。

进一步地,所述基于所述第一信息建立基于Sarsa算法和AlphaGo的桥梁布跨数学模型，求解所述桥梁布跨数学模型得到第二信息，包括：获取第三信息，所述第三信息包括动作集、第一价值网络信息、第二价值网络信息和所述动作集内桥梁的尺寸信息；建立基于Sarsa(λ)算法的策略价值数学模型，将所述第一信息和所述第三信息作为所述策略价值数学模型的输入信息，求解所述策略价值数学模型得到策略价值网络，所述策略价值网络包括布跨方案和累计奖励信息，所述布跨方案包括桥梁的桥墩坐标和桥墩里程；建立基于AlphaGo算法的布跨分析数学模型，将所述策略价值网络信息、所述第一信息和所述第三信息作为所述布跨分析数学模型的输入信息，求解所述布跨分析数学模型得到第四信息。

进一步地,所述建立基于Sarsa(λ)算法的策略价值数学模型，将所述第一信息和所述第三信息作为所述策略价值数学模型的输入信息，求解所述策略价值数学模型得到策略价值网络，包括：获取预设循环次数；根据所述线路里程信息和预设状态长度，计算得到状态数m；构建第一循环体：建立基于模拟退火算法的Sarsa(λ)数学模型，设置所述Sarsa(λ)数学模型的学习率为第一预设值、折扣率为第二预设值、更新步频为第三预设值、初始化温度为第一预设值、退火参数为指数衰减，求解所述Sarsa(λ)数学模型，得到一次布跨策略价值结果；重复执行第一循环体到预设次数，得到第四信息，所述第四信息包括所述预设次数数目个的布跨方案结果；根据所述第四信息，判断得到策略价值网络，所述策略价值网络为所述第四信息中所述累计奖励最高的一次布跨方案结果。

进一步地,所述建立基于Sarsa(λ)算法的策略价值数学模型，将所述第一信息和所述第三信息作为所述策略价值数学模型的输入信息，求解所述策略价值数学模型得到策略价值网络，包括：根据所述第一信息，建立AlphaGo数学模型的根节点，所述根节点为桥梁起始坐标信息；构建第三循环体:基于所述策略价值网络、所述动作集和所述AlphaGo数学模型建立节点扩展数学模型，求解所述节点扩展数学模型得到所述根节点下的最优布跨方式的一个子节点；重复执行所述第三循环体，直到节点扩展数学模型已计算到桥梁终止，得到第四信息。