時(shí)間：2023-05-31 09:53:35
開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇多目標(biāo)優(yōu)化概念，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進(jìn)步。
1、多目標(biāo)規(guī)劃問題概述
多目標(biāo)規(guī)劃最優(yōu)的思想起初由法國經(jīng)濟(jì)學(xué)家V.帕雷托提出，他由政治經(jīng)濟(jì)學(xué)的角度將不可比較的多個(gè)目標(biāo)轉(zhuǎn)化為多個(gè)單目標(biāo)的最優(yōu)問題，涉及到了多目標(biāo)規(guī)劃的概念。上世紀(jì)40年代末，J?馮?諾伊曼和O?莫根施特恩又基于對(duì)策論又提出了在多個(gè)決策人相互矛盾的前提下引入多目標(biāo)問題。50年代初，T?C?庫普曼斯從生產(chǎn)和分配的活動(dòng)中提出多目標(biāo)最優(yōu)化問題，引入有效解的概念，并得到一些基本結(jié)果。同時(shí)，H?W?庫恩和A?W?塔克爾從研究數(shù)學(xué)規(guī)劃的角度提出向量極值問題，引入庫恩-塔克爾有效解概念，并研究了它的必要和充分條件。自70年代以來，多目標(biāo)規(guī)劃的研究越來越受到人們的重視。至今關(guān)于多目標(biāo)最優(yōu)解尚無一種完全令人滿意的定義，所以在理論上多目標(biāo)規(guī)劃仍處于發(fā)展階段。
2、多目標(biāo)規(guī)劃方法優(yōu)化投資組合的應(yīng)用分析
某生產(chǎn)車間計(jì)劃在10天內(nèi)安排生產(chǎn)甲類和乙類兩種商品。已知生產(chǎn)甲類商品需要A號(hào)配件5組，B號(hào)配件3組；生產(chǎn)乙類商品需要A號(hào)配件2組，B號(hào)配件4組。在十天的計(jì)劃期內(nèi)該生產(chǎn)車間僅提高A號(hào)配件180組，B號(hào)配件135組。同時(shí)，我們還知道該生產(chǎn)車間沒生產(chǎn)一個(gè)甲類商品可獲取利潤為20元，生產(chǎn)一個(gè)乙類商品可獲取利潤15元。那么，通過以上條件甲乙兩類商品分別生產(chǎn)多少可實(shí)現(xiàn)利潤最大呢？下面我們將各項(xiàng)數(shù)據(jù)列表如下表1所示：
表1
我們假設(shè)，X1和X2分別為甲乙兩類商品的生產(chǎn)數(shù)量，Z為總利潤，以此可以線性規(guī)劃描述此問題，建立數(shù)學(xué)模型應(yīng)該是：
（1）
（2）
其中，X1和X2均為整數(shù)。理想狀態(tài)下，可以利用圖解法即可得出公式（1）的最優(yōu)解為Z=775，X1=32，X2=9。但是，站在車間生產(chǎn)計(jì)劃人員的角度上將，問題往往比較復(fù)雜。
首先，這是一種單一目標(biāo)優(yōu)化問題。但通常來講，一個(gè)規(guī)劃問題需要滿足多個(gè)條件。例如，例如財(cái)務(wù)部門的利潤目標(biāo)：利潤盡可能大；物資部門的節(jié)約資金：消耗盡可能小；銷售部門的適銷對(duì)路：產(chǎn)品品種多樣；計(jì)劃部門的安排生產(chǎn)：產(chǎn)品批量盡可能大。規(guī)劃問題其本質(zhì)上是多目標(biāo)決策類問題，只是因?yàn)槔镁€性規(guī)劃模型處置，致使生產(chǎn)計(jì)劃人員不得已從諸多目標(biāo)中硬性選擇其中的一種作為線性規(guī)劃的數(shù)學(xué)模型。這樣一來，由數(shù)學(xué)模型目標(biāo)函數(shù)得到的結(jié)果可能會(huì)違背部分部門的根部意愿，從而導(dǎo)致生產(chǎn)過程受阻，又或者是從生產(chǎn)計(jì)劃開始階段就因?yàn)槟承┟芏荒軓闹T多目標(biāo)中選取一個(gè)最優(yōu)目標(biāo)。
其次，線性規(guī)劃問題存在最優(yōu)解的必要條件是可行解集合非空，也就是說各個(gè)約束條件之間彼此相容。但在優(yōu)化投資組合等實(shí)際應(yīng)用問題中有時(shí)候也未必能完全滿足這樣的條件。如因設(shè)備維修養(yǎng)護(hù)、消耗能源或其他產(chǎn)品自身原因?qū)е律a(chǎn)計(jì)劃期內(nèi)不能提供足夠的工時(shí)而無法滿足計(jì)劃生產(chǎn)的進(jìn)度和產(chǎn)量，又或者因投資資本有限的束縛生產(chǎn)原材料的供應(yīng)不能滿足計(jì)劃產(chǎn)品的需求等等。
第三，線性規(guī)劃問題的可行解和最優(yōu)解具有非常明確的價(jià)值，這些可行解和最優(yōu)解都依數(shù)學(xué)函數(shù)模型而定。在實(shí)際的投資組合應(yīng)用當(dāng)中，決策人發(fā)出決策后往往還需要對(duì)其決策進(jìn)行某種修正，主要原因就在于數(shù)學(xué)函數(shù)模型與實(shí)際問題之間不盡相同，具有一種近似性，也就是建立數(shù)學(xué)模型時(shí)應(yīng)對(duì)實(shí)際應(yīng)用問題進(jìn)行簡(jiǎn)化且不考慮新情況的發(fā)生。
計(jì)劃人員為決策人提供的數(shù)學(xué)可行解并不是嚴(yán)格意義上的最優(yōu)解，僅作為決策實(shí)現(xiàn)最優(yōu)的一種參考性計(jì)劃方案。上世界六十年代初期，由查恩斯（A?Charnes）和庫柏（W?w?CooPer）提出的目標(biāo)規(guī)劃（Goalprogramming）直接已得到了重視和推廣，該法在處置實(shí)際應(yīng)用問題方面承認(rèn)諸項(xiàng)決策條件存在的合理性，即便多個(gè)決策條件是相互沖突的、相互影響的都具有合理性，在做出最終決策中不會(huì)強(qiáng)調(diào)絕對(duì)的最優(yōu)性。由此看來，多目標(biāo)規(guī)劃問題可以認(rèn)為是一種較之于線性規(guī)劃問題更切合于實(shí)際應(yīng)用的決策手段。
3、多目標(biāo)規(guī)劃方法優(yōu)化投資組合的常見途徑
（1）加權(quán)法（或效用系數(shù)法）。
加權(quán)法（或效用系數(shù)法）將投資問題中所有的目標(biāo)進(jìn)行統(tǒng)一度量（例如以錢或效用系數(shù)度量）。本方法的的基本原理是將多目標(biāo)模型轉(zhuǎn)化為多個(gè)單目標(biāo)模型。多個(gè)目標(biāo)，有主次不同和輕重緩急不同等區(qū)別，最重要的一個(gè)目標(biāo)我們將之賦予為優(yōu)先因子P1，次重要的目標(biāo)依次賦予優(yōu)先因子P2，P3，P4，…，同時(shí)約定PK>>PK+1（PK比PK+1擁有更好的優(yōu)先權(quán)）。如果非要將擁有相同優(yōu)先因子的目標(biāo)加以區(qū)別，我們可以將其分別賦予不同的權(quán)系數(shù)wj。它的優(yōu)點(diǎn)在于適用于計(jì)算機(jī)運(yùn)算求解可行解和最優(yōu)解（如線性函數(shù)模型可用單純形法求解），而缺點(diǎn)則在于難以找到合理的權(quán)系數(shù)（如某高速公路建設(shè)投資，在減少建設(shè)投資和保證施工質(zhì)量降低交通傷亡事故率之間難以衡量人的生命價(jià)值）。
（2）序列法（或優(yōu)先級(jí)法）。
序列法（或優(yōu)先級(jí)法）并不是對(duì)每一個(gè)目標(biāo)進(jìn)行加權(quán)，它主要是按照目標(biāo)的輕重緩急不同將其分為各個(gè)不同等級(jí)后再行求解。它的優(yōu)點(diǎn)在于可規(guī)避權(quán)系數(shù)的困擾，適用范圍比較廣，各種決策活動(dòng)幾乎都可使用。例如，某公司在決定提拔人員，很多單位主要根據(jù)該人員的工作積極性、工作能力和對(duì)單位的貢獻(xiàn)價(jià)值等幾個(gè)方面予以考慮，這幾個(gè)方面也會(huì)按照先后順序依次評(píng)定，等級(jí)不同參考評(píng)定的比重也會(huì)有所不同。它的缺點(diǎn)在于難以區(qū)分各個(gè)目標(biāo)的輕重等級(jí)，難以排定優(yōu)先順序無法保證最終的求解結(jié)果是最令人滿意的。
（3）有效解法（或非劣解法）。
有效解法（或非劣解法）與上兩種方法不同，它拜托了加權(quán)法（或效用系數(shù)法）和序列法（或優(yōu)先級(jí)法）具有的一定局限性，利用本法可找到所以的有效解集，也就是非劣解集，眾多非劣解可供決策人從中挑選最為滿意的解。它的缺點(diǎn)則在于實(shí)際應(yīng)用問題中非劣解數(shù)量很多，為決策人提供的非劣解集范圍過于寬泛。
關(guān)鍵詞：模擬集成電路；自適應(yīng)加權(quán)；多目標(biāo)優(yōu)化；Pareto最優(yōu)前沿
中圖分類號(hào)：TM352 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2016）10-00-02
0 引 言
一直以來，人們都想實(shí)現(xiàn)模擬集成電路設(shè)計(jì)的自動(dòng)化，但考慮到模擬集成電路性能指標(biāo)多，各性能指標(biāo)間互相影響等因素，使得模擬集成電路的自動(dòng)化進(jìn)程遠(yuǎn)遠(yuǎn)落后于數(shù)字集成電路，模擬集成電路已經(jīng)成為制約集成電路發(fā)展的瓶頸。隨著技術(shù)的發(fā)展，片上系統(tǒng)將模擬集成電路與數(shù)字集成電路整合到一塊芯片上。但人們對(duì)模擬集成電路的自動(dòng)化研究卻從未中斷過，同時(shí)也取得了一些成果，其中基于優(yōu)化的設(shè)計(jì)方法因適用范圍廣而受到了人們的青睞。
基于優(yōu)化的設(shè)計(jì)方法將模擬集成電路的設(shè)計(jì)看作是多目標(biāo)優(yōu)化問題，電路設(shè)計(jì)時(shí)的性能指標(biāo)如增益、帶寬、相位裕度等就是多目標(biāo)優(yōu)化的目標(biāo)函數(shù)。通過多目標(biāo)優(yōu)化算法求解出電路目標(biāo)空間的Pareto前沿，該前沿就是電路各種性能指標(biāo)折衷后的最優(yōu)前沿，允許電路設(shè)計(jì)者從一組相互沖突的設(shè)計(jì)指標(biāo)中做出最佳選擇。
基于優(yōu)化的設(shè)計(jì)方法的核心是多目標(biāo)優(yōu)化算法，解決多目標(biāo)優(yōu)化問題的常用算法是加權(quán)和算法[1]，該算法容易理解、操作簡(jiǎn)單，但是該算法不能求出Pareto前沿上位于凹區(qū)間內(nèi)的解，而當(dāng)權(quán)值均勻分布時(shí)，Pareto前沿上凸區(qū)間內(nèi)的解分布不均勻[2]。本文采用了自適應(yīng)加權(quán)和算法，該算法在加權(quán)和算法的基礎(chǔ)上改進(jìn)而來，克服了加權(quán)和算法的上述缺點(diǎn)。
1 自適應(yīng)加權(quán)和算法原理
自適應(yīng)加權(quán)和算法[3]的權(quán)值系數(shù)沒有預(yù)先確定，而是通過所要求解問題的Pareto前沿曲線獲得。首先用傳統(tǒng)加權(quán)和算法產(chǎn)生一組起始解，然后在目標(biāo)空間確定需要細(xì)化的區(qū)域。將待細(xì)化區(qū)域看作可行域并且對(duì)該區(qū)域施加不等式約束條件，最后用傳統(tǒng)加權(quán)和方法對(duì)這些需要細(xì)化的子區(qū)域進(jìn)行優(yōu)化。當(dāng)Pareto前沿上的所有子區(qū)域長(zhǎng)度達(dá)到預(yù)定值時(shí)，優(yōu)化工作完成。
圖1所示的自適應(yīng)加權(quán)算法與傳統(tǒng)加權(quán)和算法進(jìn)行了對(duì)比，說明了自適應(yīng)加權(quán)和算法的基本概念。真正的Pareto前沿用實(shí)線表示，通過多目標(biāo)優(yōu)化算法獲得的解用黑圓點(diǎn)表示。在該例中，整個(gè)Pareto前沿由相對(duì)平坦的凸區(qū)域和明顯凹的區(qū)域組成。解決這類問題的典型方法就是加權(quán)和算法，該算法可以描述成如下形式：
上式中描述的是兩個(gè)優(yōu)化目標(biāo)的情形，J1（x）和J2（x）分別為兩個(gè)目標(biāo)函數(shù)，sf1，0（x）和sf2，0（x）分別為對(duì)應(yīng)的歸一化因子，h（x）和g（x）分別為等式約束條件和不等式約束條件。
圖1（a）為采用加權(quán)和算法后解的分布，可以看出大部分解都分布在anchor points和inflection point，凹區(qū)間內(nèi)沒有求出解。該圖反映了加權(quán)和算法的兩個(gè)典型缺點(diǎn)：
（1）解在Pareto前沿曲線上分布不均勻；
（2）在Pareto前沿曲線為凹區(qū)間的部分不能求出解。
因此盡管加權(quán)和算法具有簡(jiǎn)單、易操作的優(yōu)點(diǎn)，但上述缺點(diǎn)卻限制了其應(yīng)用，這些固有缺陷在實(shí)際多目標(biāo)優(yōu)化設(shè)計(jì)問題中頻繁出現(xiàn)。圖1描述了本文所提出的自適應(yīng)加權(quán)和算法的總體流程以及基本概念。首先根據(jù)加權(quán)和算法得到一組起始解，如圖1（a）所示，通過計(jì)算目標(biāo)前沿空間上相鄰解的距離來確定需要進(jìn)行細(xì)化的區(qū)域，如圖1（b）所示，該圖中確定了兩個(gè)需要進(jìn)行細(xì)化的區(qū)域。在確定需要進(jìn)行細(xì)化的區(qū)域分別在平行于兩個(gè)目標(biāo)方向上添加額外的約束，如圖1（c）所示，在該圖中向減小方向J1添加的約束為1，J2減小方向添加的約束為2。對(duì)細(xì)化后添加完約束的區(qū)域用加權(quán)和算法優(yōu)化，得出新解，如圖1（d）所示，其中加權(quán)和算法求解最優(yōu)解時(shí)采用Matlab中的fmincon函數(shù)。從該圖中可看出，細(xì)化區(qū)域內(nèi)產(chǎn)生了新解，Pareto前沿上解的分布較之前更加均勻，且求出了凹區(qū)域內(nèi)的解，繼續(xù)細(xì)化能夠找出更多的解，Pareto前沿上的解也將分布地更加均勻。自適應(yīng)加權(quán)和算法的流程圖如圖2所示。
2 兩級(jí)運(yùn)放設(shè)計(jì)實(shí)例
以一個(gè)帶米勒補(bǔ)償?shù)膬杉?jí)運(yùn)放[4]為例，說明自適應(yīng)加權(quán)和算法的多目標(biāo)優(yōu)化設(shè)計(jì)。兩級(jí)運(yùn)放電路圖如圖3所示。
電路的各項(xiàng)性能指標(biāo)如表1所列。
電路優(yōu)化過程中采用工作點(diǎn)驅(qū)動(dòng)[5，6]的設(shè)計(jì)方法，電路的設(shè)計(jì)變量為電路直流工作點(diǎn)上一組獨(dú)立的電壓、電流。電路性能通過方程獲得，但方程中的小信號(hào)參數(shù)通過對(duì)工藝庫進(jìn)行模糊邏輯建模[7，8]得到，使得計(jì)算速度提高的同時(shí)保證了計(jì)算精度。兩級(jí)運(yùn)放電路的優(yōu)化結(jié)果如圖4所示。
圖為算法迭代五代后的優(yōu)化結(jié)果，由圖可以發(fā)現(xiàn)，經(jīng)過五代的優(yōu)化迭代，求出的最優(yōu)解在Pareto前沿上分布均勻。在同一電路中，單位增益帶寬的增加與擺率的增加都會(huì)使功耗增加，而電路功耗降低導(dǎo)致的結(jié)果是電路的面積增加，或通過犧牲面積來換取低功耗，犧牲面積換取電路的帶寬增加。這些結(jié)果與電路理論相吻合，同時(shí)也再次說明了模擬電路設(shè)計(jì)過程中的折衷以及模擬集成電路設(shè)計(jì)的復(fù)雜性。
3 結(jié) 語
自適應(yīng)加權(quán)和算法能求出位于凹區(qū)間內(nèi)的最優(yōu)解，并且最優(yōu)解分布均勻。本文通過兩級(jí)運(yùn)放電路驗(yàn)證了算法的優(yōu)化效果，最終得到了滿意的優(yōu)化結(jié)果。
參考文獻(xiàn)
[1]陽明盛，羅長(zhǎng)童.最優(yōu)化原理、方法及求解軟件[M].北京：科學(xué)出版社，2010：92-94.
[2]I.Das， J.E. Dennis. A closer look at drawbacks of minimizing weighte dsums of objectives for Pareto set generation in multicriteria optimization problems [J]. Structral Optimization， 1997（14）：63-69.
[3]I. Y. Kim， O. L. de Weck. Adaptive weighted-summethod forbi-objective optimization：Paretofrontgeneration [J]. Struct Multidisc Optim， 2005（29）：149-158.
[4]Razavi B. Design of analog CMOS integrated circuits [M]. New York： Mc Graw-Hill， 2001.
[5]陳曉，郭裕順.工作點(diǎn)驅(qū)動(dòng)的模擬集成電路優(yōu)化設(shè)計(jì)[J].杭州電子科技大學(xué)學(xué)報(bào)，35（6）：18-22.
[6]Guerra-Gomez I， McConaghy T， Tlelo-Cuautle E. Operating-point driven formulation for analog computer-aided design [J]. Analog Integrated Circuits and Signal Processing， 2013， 74（2）：345-353.
關(guān)鍵詞：遺傳算法 Pareto 多目標(biāo) 排課
中圖分類號(hào)：TP311.13文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）01（a）-0000-00
Curriculum Scheduling Algorithm based on Pareto Multi Object Genetic Algorithm
HE Yi-xuan
Class 12 Grade Three， Haizhou Senior High School of Jiangsu Province， Lianyungang 222023， China
Abstract： Curriculum scheduling for primary school and high school should not only to resolve the arrangement of time， room and personnel， but should also to optimize some other factors， and these factors need optimized simultaneously. For the weak point that traditional multi objective optimization algorithm should have priori knowledge before optimization， we propose a curriculum scheduling algorithm based on Pareto multi object genetic algorithm. Finally， an experiment is given to verify our algorithm.
KeyWord： genetic algorithm； multi object； Pareto； curriculum scheduling
課表編排系統(tǒng)的設(shè)計(jì)是整個(gè)教務(wù)管理信息系統(tǒng)的設(shè)計(jì)難點(diǎn)。除了要解決時(shí)間、空間、人員的安排問題，排課需要考慮的因素和指標(biāo)還比較多，如課程安排的均勻程度、重要課程盡量安排在上午等。這些指標(biāo)往往需要同時(shí)優(yōu)化，即多目標(biāo)優(yōu)化問題[1-2]。由于往往多個(gè)目標(biāo)不能同時(shí)最優(yōu)，對(duì)各個(gè)目標(biāo)的偏好不同，得到的優(yōu)化解也不同。傳統(tǒng)方法是將多目標(biāo)優(yōu)化問題的多個(gè)目標(biāo)函數(shù)通過適當(dāng)方法（如加權(quán)法等）轉(zhuǎn)化為單目標(biāo)優(yōu)化問題進(jìn)行處理。該方法的缺點(diǎn)需要對(duì)優(yōu)化問題掌握一定的先驗(yàn)知識(shí)，否則難以確定加權(quán)系數(shù)。
針對(duì)上述問題，本文采用Pareto多目標(biāo)遺傳算法來進(jìn)行優(yōu)化計(jì)算。該方法無需對(duì)優(yōu)化的各個(gè)目標(biāo)掌握先驗(yàn)知識(shí)，并具有極強(qiáng)的魯棒性、全局尋優(yōu)能力和隱含的并行性等特點(diǎn)，使得該方法成為多目標(biāo)優(yōu)化方法中的一個(gè)研究熱點(diǎn)。
1 排課系統(tǒng)設(shè)計(jì)
課表的安排除了要考慮教學(xué)計(jì)劃、教師資源以及教室使用情況，同時(shí)還要以其他教學(xué)要求來評(píng)判課程安排的優(yōu)劣，如：
（1）課程分布均勻，避免課程都集中在某一兩天的情況；
（2）重要課程盡量安排在上午；
（3）對(duì)于一周多節(jié)的課程要盡量保證同一門課程兩節(jié)之間時(shí)間間隔較長(zhǎng)。
本文設(shè)定一個(gè)班級(jí)一天排6節(jié)課，上午排4節(jié)課，下午排2節(jié)課，即一周有30節(jié)課，因此每一節(jié)上課時(shí)間的變量在整數(shù)區(qū)間（1-30）上取值。量化排課優(yōu)劣程度的方法如下描述：
（1）為了使重要課程盡量安排在上午，首先將每一節(jié)課的值進(jìn)行修正：一周有n節(jié)課時(shí)，按先后順序記課的值分別為1，2，…，n。其中，式中，若該節(jié)無課，則當(dāng)前值設(shè)為0。假設(shè)排課結(jié)果為x1，x2，…，xn，評(píng)價(jià)函數(shù)f1（X）如式（1）所示：
（1）
由式（1）可以看出，當(dāng)f1（X）的值越小時(shí)，課程就越集中在上午。
（2）對(duì)于使課程安排均勻，我們統(tǒng)計(jì)一周每天安排的課程數(shù)目，并求這5天課程數(shù)目的方差f2（X）。那么，方差f2（X）越小則排課越均勻。
（3）對(duì)于每周要安排多節(jié)的課程，要使同一門課程兩節(jié)之間間隔的時(shí)間盡可能長(zhǎng)，我們計(jì)算同一門課（每周需要安排多節(jié)的課程）兩次值的相差絕對(duì)值。那么，一周內(nèi)所有課的相差絕對(duì)值之和f3（X）越大，則課程安排越合理。
2 多目標(biāo)遺傳算法優(yōu)化
傳統(tǒng)多目標(biāo)優(yōu)化方法是將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題。如線性加權(quán)法，將上述三個(gè)目標(biāo)函數(shù)f1（X），f2（X），f3（X）按其重要程度給出一組權(quán)系數(shù)w1，w2，w3，則評(píng)價(jià)函數(shù)的最優(yōu)解如式（2）所示：
（2）
但該方法要求對(duì)優(yōu)化問題掌握先驗(yàn)知識(shí)時(shí)。而本文采用Pareto多目標(biāo)遺傳算法來進(jìn)行優(yōu)化計(jì)算。無需掌握先驗(yàn)知識(shí)，
Pareto占優(yōu)定義如下：假設(shè)x1，x2∈某一可行域Ω，x1被x2占優(yōu)是指對(duì)部分i，有fi（X）≥fj（X），而對(duì)其他的j≠i，fi（X）> fj（X）。Pareto最優(yōu)解x0是指在Ω中不存在任何x占優(yōu)于x0。
從定義中可知，Pareto最優(yōu)解不是唯一的，而是由許多“非劣解”（非劣解，是指在不降低其它性能指標(biāo)的前提下，再也不能提高該性能指標(biāo)）組成的解集，因此群體搜索策略（如遺傳算法）是非常合適的求解方法。
遺傳算法是通過對(duì)一代群體按照尋優(yōu)目標(biāo)進(jìn)行一系列的選種、交叉、變異而使下一代群體從整體上更接近最優(yōu)解[3]。本文將選擇算子中引入Pareto占優(yōu)概念，即Pareto遺傳算法。
本文Pareto遺傳算法操作流程如下：
輸入：函數(shù)h（X）；權(quán)系數(shù)w1，w2，w3；初始群體
Step 1：設(shè)小生境距離；
Step 2：在每類部分群體中選Pareto占優(yōu)個(gè)體；
Step 3：交叉；
Step 4：變異；
Step 5：生成下一代群體；
Step 6：檢查評(píng)價(jià)優(yōu)化結(jié)果是否收斂。如沒有，
返回步驟（2）；如已收斂，執(zhí)行-結(jié)束。
輸出：優(yōu)化結(jié)果（即最后一代群體）
相比較以往傳統(tǒng)遺傳算法，本文算法改進(jìn)措施如下：
（1）根據(jù)種群中占優(yōu)的個(gè)數(shù)多少來賦予個(gè)體相應(yīng)適應(yīng)度。
（2）在每代中采用部分種群來決定占優(yōu)的情況。而且，當(dāng)兩個(gè)個(gè)體之間彼此互不占優(yōu)的時(shí)候，其結(jié)果通過適應(yīng)度共享來決定。由于本文沒有在整個(gè)種群中使用Pareto意義選種，而是在每代中只采用部分種群，因此其能快速并產(chǎn)生較好的Pareto意義占優(yōu)解。
（3）相比較傳統(tǒng)遺傳算法，本文算法還引入小生境技術(shù)[4-5]。該技術(shù)可以防止基因漂移，使群體均勻分布在Pareto最優(yōu)解集中。由于一周有5天課程，本文將個(gè)體劃分為5類，即從這5個(gè)類當(dāng)中選出適應(yīng)度較大的個(gè)體作為該類的代表組群。
3 實(shí)驗(yàn)結(jié)果及分析
假設(shè)需為某班排課，共6門課程，英語、語文、數(shù)學(xué)等。其中英語、語文、數(shù)學(xué)每周需要安排6節(jié)，其他課程每周安排2節(jié)。
我們首先通過隨機(jī)方法生成30次排課解作為初始群體，以上述f1（X），f2（X），f3（X）的極值作為優(yōu)化目標(biāo)。根據(jù)遺傳算法進(jìn)行優(yōu)化計(jì)算，設(shè)突變率為1%，經(jīng)過100代進(jìn)化，結(jié)果如表1所示：
表1 Pareto多目標(biāo)遺傳算法優(yōu)化結(jié)果
初始群體 100代群體
均值 標(biāo)準(zhǔn)差 均值 標(biāo)準(zhǔn)差
f1（X） 10.13 1.29 7.62 0.22
f2（X） 1.34 0.03 1.11 0.01
f3（X） 132.24 15.21 168.12 1.25
由表1可以看出，盡管實(shí)驗(yàn)沒有提供對(duì)優(yōu)化目標(biāo)的先驗(yàn)知識(shí)，但通過Pareto遺傳算法優(yōu)化后，3個(gè)優(yōu)化目標(biāo)f1（X），f2（X），f3（X）都得到同時(shí)優(yōu)化，并且優(yōu)化結(jié)果比較理想。
4 結(jié)束語
該文針對(duì)傳統(tǒng)多目標(biāo)優(yōu)化排課算法需要先驗(yàn)知識(shí)的缺點(diǎn)，將Pareto多目標(biāo)遺傳算法應(yīng)用到排課系統(tǒng)中，并實(shí)驗(yàn)證明該方法的有效性。
參 考 文 獻(xiàn)
[1] Tan K C， Lee T H， Khoo D， and et al. A multi-objective evolutionary algorithm toolbox for computer-aided multi-objective optimization[J]， IEEE Transactions on Systems， Man and Cybernetics： Part B （Cybernetics）， 2001， 31（4）：537-556.
[2] Vieira D A G， Adriano R， Vasconcelos J A， and et al. Treating constraints as objectives in multiobjective optimization problems using niched Pareto genetic algorithm[J]， IEEE Transactions on Magnetics， 2004， 40（2）： 1188-1191.
[3] 陸金桂等. 遺傳算法原理及其工程應(yīng)用[M]， 江蘇徐州：中國礦業(yè)大學(xué)出版社， 1997：40-52.
關(guān)鍵詞：區(qū)域經(jīng)濟(jì)規(guī)劃 多目標(biāo)最優(yōu)化 數(shù)學(xué)函數(shù)
區(qū)域經(jīng)濟(jì)規(guī)劃理論概述
（一）區(qū)域經(jīng)濟(jì)規(guī)劃的概念
所謂區(qū)域經(jīng)濟(jì)，它是建立在對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的研究之上的。研究區(qū)域經(jīng)濟(jì)發(fā)展的根本目的，就是為了解決區(qū)域經(jīng)濟(jì)如何實(shí)現(xiàn)增長(zhǎng)的問題，也就是如何生產(chǎn)更多的財(cái)富、創(chuàng)造更多的GDP、如何提高區(qū)域人民生活水平和人均收入等問題。按照古典經(jīng)濟(jì)學(xué)理論分析，區(qū)域發(fā)展的三個(gè)最基本的要素就是：資本、勞動(dòng)力和技術(shù)。而要想將要素轉(zhuǎn)化為實(shí)際的財(cái)富，需要一定的條件和方式，而一個(gè)健全的政策、機(jī)制和環(huán)境，則進(jìn)一步?jīng)Q定了各類要素如何在各區(qū)域發(fā)展中實(shí)現(xiàn)其作用以及作用的大小。
區(qū)域經(jīng)濟(jì)規(guī)劃就是在時(shí)間上提前對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的一個(gè)統(tǒng)籌規(guī)劃。具體來講，它是指一組生產(chǎn)要素現(xiàn)在和未來在特定區(qū)域的配置或部署問題，根據(jù)目前已有的要素組合，綜合評(píng)估發(fā)展條件以及未來環(huán)境變化的可能性，合理的安排在未來時(shí)期要素應(yīng)該如何組合、如何配置才能達(dá)到預(yù)期的發(fā)展目標(biāo)。所以，區(qū)域經(jīng)濟(jì)規(guī)劃主要是以當(dāng)前已有的要素組合和發(fā)展環(huán)境條件等進(jìn)行的一項(xiàng)決策活動(dòng)，具體實(shí)施這種決策則是未來的活動(dòng)。如果這種未來是將來很長(zhǎng)一段時(shí)間，這就需要解決戰(zhàn)略問題，對(duì)未來發(fā)展起到導(dǎo)向作用；相反如果是一個(gè)不長(zhǎng)的時(shí)間，那就需要制定行動(dòng)的具體方案，有效指導(dǎo)將來的發(fā)展行動(dòng)。
另外，區(qū)域經(jīng)濟(jì)規(guī)劃和區(qū)域產(chǎn)業(yè)布局是容易被混淆的兩個(gè)概念，被混淆的原因是兩者有許多共性。產(chǎn)業(yè)的空間布局是以致富最小的生產(chǎn)成本為目的進(jìn)行的，例如以運(yùn)費(fèi)最小為標(biāo)準(zhǔn)來選擇最佳區(qū)位，或企業(yè)如何選擇分布地點(diǎn)導(dǎo)致利潤最大化等。而區(qū)域經(jīng)濟(jì)規(guī)劃的任務(wù)則主要為了解決以下三個(gè)問題：第一，在什么時(shí)間、投入多少、投入哪類要素？第二，各類要素在規(guī)定的時(shí)間內(nèi)在什么樣的地方組合？ 第三，以什么樣的方式、什么樣的機(jī)制和什么指導(dǎo)思想去組合？?jī)烧唠m有諸多相同，但也有本質(zhì)上的區(qū)別。
（二）區(qū)域經(jīng)濟(jì)規(guī)劃的基本內(nèi)容
顧名思義，區(qū)域經(jīng)濟(jì)規(guī)劃的對(duì)象當(dāng)然是區(qū)域。在很大程度上，它的基本職能就是從整體上進(jìn)行綜合性協(xié)調(diào)，所以它絕不同于部門規(guī)劃、行業(yè)規(guī)劃和專題規(guī)劃等規(guī)劃活動(dòng)。區(qū)域經(jīng)濟(jì)規(guī)劃涉及的范圍不僅囊括了經(jīng)濟(jì)、人口、社會(huì)、環(huán)境、資源等方面，而且還需要對(duì)條塊之間、塊塊之間以及區(qū)內(nèi)區(qū)外之間進(jìn)行協(xié)調(diào)規(guī)劃。除此之外，它還需要對(duì)不同的產(chǎn)業(yè)部門之間、主導(dǎo)產(chǎn)業(yè)和配套產(chǎn)業(yè)之間進(jìn)行協(xié)調(diào)規(guī)劃。總而言之，區(qū)域經(jīng)濟(jì)規(guī)劃是一項(xiàng)綜合性的規(guī)劃，綜合性規(guī)劃下又包含了許多不同層面形成的單向規(guī)劃，綜合規(guī)劃還必須考慮到單項(xiàng)規(guī)劃相互之間的協(xié)調(diào)關(guān)系。
所以，區(qū)域經(jīng)濟(jì)規(guī)劃的內(nèi)容是十分豐富和廣泛的。目前從國家已作出的相關(guān)區(qū)域經(jīng)濟(jì)規(guī)劃中可以看到，區(qū)域經(jīng)濟(jì)規(guī)劃主要包含了以下內(nèi)容：國土開發(fā)整治的目標(biāo)和任務(wù)；自然條件和國土資源的綜合評(píng)價(jià)；自然資源開發(fā)的規(guī)模、布局和步驟；社會(huì)、經(jīng)濟(jì)現(xiàn)狀分析和遠(yuǎn)景預(yù)測(cè)；國土整治和環(huán)境保護(hù)；人口、城市化和城市布局；綜合開發(fā)的重點(diǎn)區(qū)域；交通、通訊、動(dòng)力和水電等基礎(chǔ)設(shè)施的安排；宏觀經(jīng)濟(jì)效益估價(jià)；實(shí)施對(duì)策和措施。改革開放以來，隨著中央財(cái)權(quán)事權(quán)的逐步下放，地方自也日益擴(kuò)大，區(qū)域經(jīng)濟(jì)規(guī)劃的內(nèi)容在實(shí)踐中也不斷地豐富，并且日益區(qū)域化。
（三）區(qū)域經(jīng)濟(jì)規(guī)劃的目標(biāo)
區(qū)域經(jīng)濟(jì)規(guī)劃的目標(biāo)不是單一的，而是形成了一個(gè)目標(biāo)體系。這個(gè)目標(biāo)體系主要包括三個(gè)目標(biāo)，即經(jīng)濟(jì)增長(zhǎng)方面的目標(biāo)、社會(huì)進(jìn)步方面的目標(biāo)和生態(tài)環(huán)境改善方面的目標(biāo)。這些目標(biāo)可能是相輔相成、相互促進(jìn)的關(guān)系，同時(shí)也可能存在著相互矛盾和制約的一面。比如經(jīng)濟(jì)增長(zhǎng)目標(biāo)和就業(yè)目標(biāo)，為了取得高速的經(jīng)濟(jì)增長(zhǎng)，就需要大力推進(jìn)工業(yè)化的進(jìn)程，優(yōu)先發(fā)展重工業(yè)和高科技產(chǎn)業(yè)，推進(jìn)技術(shù)創(chuàng)新與技術(shù)進(jìn)步。而高科技產(chǎn)業(yè)是資金密集型產(chǎn)業(yè)，而且隨著技術(shù)的飛速進(jìn)步，生產(chǎn)效率和投資利用率也進(jìn)一步提高，這樣就限制了勞動(dòng)就業(yè)的增加。反過來，如果增加了就業(yè)人口，勞動(dòng)力數(shù)量增多，人均固定資產(chǎn)減少，勞動(dòng)生產(chǎn)率自然相應(yīng)下降，經(jīng)濟(jì)增長(zhǎng)就受到了限制和影響。再比如經(jīng)濟(jì)增長(zhǎng)和生態(tài)環(huán)境目標(biāo)，如果可以提高對(duì)二者協(xié)調(diào)發(fā)展的關(guān)注度，那么經(jīng)濟(jì)增長(zhǎng)則有利于生態(tài)環(huán)境的保護(hù)和改善，節(jié)能減排，經(jīng)濟(jì)增長(zhǎng)也可以提供更多的資金改善生態(tài)環(huán)境；而如果忽視了生態(tài)環(huán)境，只將經(jīng)濟(jì)增長(zhǎng)作為發(fā)展的唯一目標(biāo)，就會(huì)造成對(duì)生態(tài)環(huán)境的嚴(yán)重破壞，環(huán)境質(zhì)量也會(huì)不斷下降。
（四）區(qū)域經(jīng)濟(jì)規(guī)劃的影響因素
1.本國經(jīng)濟(jì)發(fā)展的歷史背景。從很大程度上來說，區(qū)域經(jīng)濟(jì)發(fā)展的狀況和規(guī)劃是由國家的宏觀經(jīng)濟(jì)發(fā)展規(guī)劃所決定的。那么，各省區(qū)戰(zhàn)略地位的確定，各地區(qū)之間的區(qū)域分工，以及各省區(qū)和區(qū)域未來的發(fā)展方向，國家在宏觀布局時(shí)早已做好了規(guī)劃和安排。所以，各地區(qū)在進(jìn)行本區(qū)域的經(jīng)濟(jì)規(guī)劃時(shí)，必須以國家的宏觀經(jīng)濟(jì)規(guī)劃為前提，在此基礎(chǔ)上制定自身的區(qū)域經(jīng)濟(jì)規(guī)劃。例如，國家相繼提出的沿海各省對(duì)外開放政策、西部大開發(fā)戰(zhàn)略、振興東北老工業(yè)基地戰(zhàn)略以及中部崛起戰(zhàn)略等。
2.規(guī)劃區(qū)域的自然狀況。一個(gè)地區(qū)的發(fā)展很大程度上依賴于該地區(qū)的自然資源等物質(zhì)基礎(chǔ)。所以，在制定規(guī)劃時(shí)，要充分考慮到地區(qū)的自然資源狀況，充分發(fā)揮自身自然資源狀況的優(yōu)勢(shì)，然后在此基礎(chǔ)上選擇主導(dǎo)產(chǎn)業(yè)以帶動(dòng)區(qū)域經(jīng)濟(jì)的發(fā)展。比如在新疆地區(qū)，石油資源和煤炭資源比較豐富，同時(shí)也是重要的棉花產(chǎn)地，這些都是國家的戰(zhàn)略物質(zhì)，所以在制定該地區(qū)的經(jīng)濟(jì)規(guī)劃時(shí)，一定要圍繞能源、棉花等這些優(yōu)勢(shì)資源做文章，以期通過這些優(yōu)勢(shì)來帶動(dòng)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展。
3.規(guī)劃區(qū)域的經(jīng)濟(jì)資源狀況。除了規(guī)劃區(qū)域內(nèi)的自然資源狀況對(duì)區(qū)域經(jīng)濟(jì)規(guī)劃有重要的影響，經(jīng)濟(jì)資源狀況也起著十分重要的作用。
首先，人口數(shù)量和勞動(dòng)力資源。勞動(dòng)力作為生產(chǎn)要素之一，自然是經(jīng)濟(jì)發(fā)展不可或缺的，所以具有豐富的勞動(dòng)力資源，不僅可以有效降低人均勞動(dòng)力成本，也可能提供大量的高素質(zhì)人才，這些都可以有效帶動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展。
其次，市場(chǎng)對(duì)區(qū)域經(jīng)濟(jì)規(guī)劃的影響。在制定區(qū)域經(jīng)濟(jì)規(guī)劃時(shí)，一定要事先調(diào)查分析當(dāng)?shù)厥袌?chǎng)的需求和供給。如果供過于求，而區(qū)域居民有效需求不足，必然導(dǎo)致經(jīng)濟(jì)滯脹，產(chǎn)生大量失業(yè)人口，不利于當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展與穩(wěn)定；如果供不應(yīng)求，又必然導(dǎo)致地區(qū)通貨膨脹，同樣不利于經(jīng)濟(jì)發(fā)展。所以制定區(qū)域經(jīng)濟(jì)規(guī)劃時(shí)，一定要在充分了解當(dāng)?shù)厥袌?chǎng)供給需求的基礎(chǔ)上進(jìn)行。另外，對(duì)于某些特殊產(chǎn)業(yè)，還需要注意其空間位置的布置，例如農(nóng)產(chǎn)品的生產(chǎn)、第三產(chǎn)業(yè)的發(fā)展，這些都對(duì)市場(chǎng)有著比較強(qiáng)烈的依賴，所以應(yīng)該大力發(fā)展這些企業(yè)，進(jìn)而帶動(dòng)整個(gè)區(qū)域經(jīng)濟(jì)的發(fā)展。
最后，區(qū)域內(nèi)以及周邊的產(chǎn)業(yè)集群狀況。通過產(chǎn)業(yè)在空間上的聚集，集群內(nèi)部的企業(yè)之間交流增多，在區(qū)域內(nèi)也比較容易形成一條完整的產(chǎn)業(yè)鏈，再加上政府對(duì)一些配套設(shè)施的建設(shè)，可以形成一整套的區(qū)域核心競(jìng)爭(zhēng)力。同時(shí)，產(chǎn)業(yè)集群也有著比較明顯的經(jīng)濟(jì)外部性，通過這種外部規(guī)模經(jīng)濟(jì)和外部范圍經(jīng)濟(jì)，有效帶動(dòng)周邊經(jīng)濟(jì)的發(fā)展，進(jìn)而帶動(dòng)整個(gè)區(qū)域經(jīng)濟(jì)發(fā)展。另外，相關(guān)產(chǎn)業(yè)共同發(fā)展的同時(shí)，各產(chǎn)業(yè)之間會(huì)加強(qiáng)彼此技術(shù)和經(jīng)驗(yàn)的交流，通過這種交流與擴(kuò)散達(dá)到技術(shù)的創(chuàng)新，繼而實(shí)現(xiàn)產(chǎn)品的創(chuàng)新、產(chǎn)業(yè)的升級(jí)。
多目標(biāo)最優(yōu)化方法簡(jiǎn)述
（一）一般多目標(biāo)最優(yōu)化模型
所謂一般多目標(biāo)最優(yōu)化模型，是對(duì)于一個(gè)需要決策的問題，存在多種決策選擇，而所要達(dá)到的目標(biāo)不分主次，這樣就可以構(gòu)建成一個(gè)數(shù)學(xué)函數(shù)模型，其中自變量就是各種決策的變量，因變量就是目標(biāo)函數(shù)。除此之外，對(duì)于自變量，也就是決策的選擇存在一些限制，這就形成對(duì)自變量的約束函數(shù)。
每種不同的決策變量的組合對(duì)應(yīng)一個(gè)目標(biāo)函數(shù)。對(duì)于一個(gè)決策變量組合，如果它能滿足其所對(duì)應(yīng)的目標(biāo)函數(shù)不大于其他任何決策變量組合對(duì)應(yīng)的目標(biāo)函數(shù)，則稱這個(gè)組合是該多目標(biāo)最優(yōu)化模型的一個(gè)有效解；而如果它能滿足其所對(duì)應(yīng)的目標(biāo)函數(shù)嚴(yán)格小于其他組合對(duì)應(yīng)的目標(biāo)函數(shù)，則稱這種決策組合是該多目標(biāo)最優(yōu)化模型的一個(gè)弱有效解。顯然，若一個(gè)決策變量組合是有效解，則它一定是弱有效解。
一般來說，一個(gè)多目標(biāo)最優(yōu)化問題有無窮多個(gè)有效解，它們并不都是決策者滿意的解，只有決策者滿意的有效解才是問題的最終解。得到最優(yōu)解一般有兩種方法：一種是評(píng)價(jià)函數(shù)法，即先求出大量的有效解，然后根據(jù)決策者的意圖找出最優(yōu)解；另一種是交互法，即通過分析者與決策者的相互溝通，逐步地達(dá)成一個(gè)最終解。
（二）分層次多目標(biāo)最優(yōu)化模型
這類模型較一般多目標(biāo)最優(yōu)化模型的特點(diǎn)是：在約束條件下，各個(gè)目標(biāo)函數(shù)不是同等地被最優(yōu)化，而是按不同的優(yōu)先層次先后地進(jìn)行最優(yōu)化。在構(gòu)建數(shù)學(xué)函數(shù)模型時(shí)，也需要按照不同的優(yōu)先層次來設(shè)定目標(biāo)函數(shù)。對(duì)于分層多目標(biāo)最優(yōu)化問題的求解，就需要按照模型所要求的有限層次逐層地進(jìn)行求解，最后一定就可以獲得最優(yōu)解，即使這種最優(yōu)解不是統(tǒng)計(jì)意義上的絕對(duì)最優(yōu)，但一定是可以滿足決策者要求的最優(yōu)解。
區(qū)域經(jīng)濟(jì)規(guī)劃的多目標(biāo)最優(yōu)化實(shí)踐
（一）建立數(shù)學(xué)模型的步驟
為了正確處理各局部之間的關(guān)系，加強(qiáng)局部的協(xié)調(diào)發(fā)展，注意各地區(qū)及部門之間的綜合平衡，就必須運(yùn)用科學(xué)的方法來建立經(jīng)濟(jì)數(shù)學(xué)模型，把抽象的規(guī)劃問題具體化。最后利用嚴(yán)格的數(shù)學(xué)方法，求得最優(yōu)解，以滿足區(qū)域經(jīng)濟(jì)規(guī)劃決策者的要求。
建立經(jīng)濟(jì)數(shù)學(xué)模型主要有以下幾個(gè)步驟：第一，定義和識(shí)別。了解問題的真實(shí)背景，即規(guī)劃區(qū)域的歷史背景、自然資源、市場(chǎng)資源狀況；明確建模的目標(biāo)，確定決策者規(guī)劃經(jīng)濟(jì)所需要達(dá)到的目標(biāo)，如經(jīng)濟(jì)增長(zhǎng)、就業(yè)和生態(tài)環(huán)境等；掌握必要的數(shù)據(jù)資料，建模前必須獲得當(dāng)?shù)氐南嚓P(guān)數(shù)據(jù)，如人口數(shù)據(jù)、市場(chǎng)需求與供給等數(shù)據(jù)。第二，數(shù)據(jù)預(yù)處理。在已經(jīng)了解問題背景，明確了建模目的和掌握了必要的數(shù)據(jù)資料后，就需要提出一些恰當(dāng)?shù)募僭O(shè)，對(duì)問題進(jìn)行必要的簡(jiǎn)化。第三，估計(jì)。通過綜合的分析所獲得的資料，在已有的假設(shè)基礎(chǔ)上，利用適當(dāng)?shù)臄?shù)學(xué)工具合理刻畫各變量之間的關(guān)系，形成目標(biāo)函數(shù)和約束條件，初步建立數(shù)學(xué)模型。第四，驗(yàn)證。將所建立的模型與實(shí)際情況相比較，包括目標(biāo)函數(shù)與決策者意圖的比較、約束函數(shù)與實(shí)際條件的對(duì)比等，以此驗(yàn)證模型的正確性。
（二）實(shí)現(xiàn)最優(yōu)化的建模原則
實(shí)現(xiàn)最優(yōu)化建模需要遵守以下原則：
一是能充分有效地發(fā)揮區(qū)域優(yōu)勢(shì)。前面已有介紹，利用地區(qū)自然資源等優(yōu)勢(shì)可以加快地區(qū)經(jīng)濟(jì)發(fā)展。
二是從區(qū)域?qū)嶋H情況出發(fā)，建立適當(dāng)?shù)慕?jīng)濟(jì)數(shù)學(xué)模型。模型中需要考慮的因素很多，要全面協(xié)調(diào)各種因素，保證模型與區(qū)域?qū)嶋H相符。
三是模型必須考慮到各部門均衡發(fā)展和區(qū)域間相互協(xié)調(diào)。只有各部門均衡發(fā)展、步調(diào)一致，才能實(shí)現(xiàn)最終的和諧發(fā)展。
四是要有利于環(huán)境保護(hù)，堅(jiān)持可持續(xù)戰(zhàn)略思想。雖然經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境有矛盾之處，但是也更要注意這二者之間的協(xié)調(diào)。
結(jié)論
多目標(biāo)最優(yōu)化理論在經(jīng)濟(jì)、管理、政治方面的運(yùn)用，可以有效合理配置和最優(yōu)化。在區(qū)域經(jīng)濟(jì)規(guī)劃時(shí)，引入多目標(biāo)最優(yōu)化的方法，可以根據(jù)實(shí)現(xiàn)各種方案目標(biāo)所需要的區(qū)域資源與條件來最終確定最優(yōu)解，這樣的方法既科學(xué)，也符合實(shí)際情況，還能有效促進(jìn)區(qū)域經(jīng)濟(jì)快速增長(zhǎng)，社會(huì)協(xié)調(diào)發(fā)展。本文簡(jiǎn)要介紹了區(qū)域經(jīng)濟(jì)規(guī)劃的相關(guān)理論和多目標(biāo)最優(yōu)化方法，并將二者結(jié)合起來，以期能夠?qū)⑦@種方法運(yùn)用到實(shí)際的區(qū)域經(jīng)濟(jì)規(guī)劃中去。
參考文獻(xiàn)：
1.唐永才.90年代國內(nèi)多目標(biāo)規(guī)劃研究述評(píng)[J].荊門職業(yè)技術(shù)學(xué)院學(xué)報(bào)，1999（3）
2.孟釗.基于區(qū)域經(jīng)濟(jì)學(xué)角度對(duì)區(qū)域經(jīng)濟(jì)規(guī)劃的研究[J].新西部，2009（9）
關(guān)鍵詞： 配電網(wǎng)重構(gòu)； 遺傳算法； Pareto最優(yōu)； 小生境
中圖分類號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）04?0149?04
Reconfiguration of Pareto multi?objective distribution network based on genetic algorithm
XIANG Jia?wei， LIU Jian?hua
（College of Electrical and Information Engineering， Changsha University of Science and Technology， Changsha 410004， China）
Abstract：Distribution network reconfiguration is a multi?objective optimization project， but it is generally used for single?objective optimization. Therefore， a genetic algorithm based on the ecological niche idea is put forward in this paper to improve the distribution network’s economical efficiency， security and power supply reliability， in which Pareto optimizing way is adopted to obtain Pareto optimal solution and realize a different optimizing way， i.e. optimization before decision. In the period of optimization， the global convergence ability and convergent velocity of the genetic algorithm was improved by the ecological niche environment， and self?adaptive mechanism of the crossing?over rate and mutation rate. The effectiveness of this approach was proved by a case study.
Keywords： distribution network reconfiguration； genetic algorithm； Pareto optimization； ecological niche
0 引 言
配電網(wǎng)重構(gòu)是降低網(wǎng)損[1]、平衡負(fù)荷[2]和安全運(yùn)行的重要并行之有效的方法之一。配電網(wǎng)采用閉環(huán)設(shè)計(jì)，開環(huán)運(yùn)行，各節(jié)點(diǎn)間有分段開關(guān)，還有一部分聯(lián)絡(luò)開關(guān)，因此可以通過開關(guān)的不同組合，形成不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，以此提高配電網(wǎng)的經(jīng)濟(jì)性、安全性和供電可靠性。
目前，關(guān)于研究配電網(wǎng)重構(gòu)的目標(biāo)函數(shù)眾多，但大多數(shù)都是以單一目標(biāo)[3?4]作為目標(biāo)函數(shù)進(jìn)行配電網(wǎng)重構(gòu)，而配電網(wǎng)重構(gòu)是一個(gè)非線性多目標(biāo)優(yōu)化問題，重構(gòu)之后的結(jié)果不僅僅只在某個(gè)方面進(jìn)行改善，而應(yīng)該是多個(gè)配電網(wǎng)指標(biāo)都得到改善和提高。文獻(xiàn)[5]中以網(wǎng)絡(luò)損耗和負(fù)荷平衡為目的建立目標(biāo)函數(shù)。然而通過加權(quán)將兩個(gè)目標(biāo)轉(zhuǎn)化成一個(gè)目標(biāo)函數(shù)求解，這樣會(huì)導(dǎo)致目標(biāo)函數(shù)朝著某一特定方向求解，降低解的空間，而且權(quán)重系數(shù)的選取有較強(qiáng)的主觀性，缺乏客觀依據(jù)。
本文對(duì)配電網(wǎng)多目標(biāo)優(yōu)化提出基于小生境思想的遺傳算法[6]，結(jié)合Pareto最優(yōu)解集的求解方法來尋找目標(biāo)函數(shù)的最優(yōu)解集。本文以有功網(wǎng)損、節(jié)點(diǎn)電壓偏移量和負(fù)荷平衡指數(shù)這3個(gè)函數(shù)作為目標(biāo)函數(shù)，在各小生境中運(yùn)用遺傳算法，交叉率和變異率采用自適應(yīng)機(jī)制，并行進(jìn)化，盡可能需找解空間中的局部最優(yōu)解，并通過Pareto最優(yōu)解的選擇，最終尋找到全局的最優(yōu)解集。
1 多目標(biāo)配電網(wǎng)重構(gòu)的數(shù)學(xué)模型
本文提出了以減小網(wǎng)損、負(fù)荷均衡以及節(jié)點(diǎn)電壓偏移量為綜合考慮因素，因此配電網(wǎng)重構(gòu)的數(shù)學(xué)模型含減小網(wǎng)損、負(fù)荷均衡和供電可靠性三方面內(nèi)容。以有功網(wǎng)絡(luò)損耗為最小目標(biāo)，其數(shù)學(xué)表達(dá)式為：
[min f1=i=1LiriP2i+Q2iV2i] （1）
式中：[Li]為代表線路總數(shù)；[ri]為代表支路i電阻值；[P2i]，[Q2i]為代表支路i末端流過的有功和無功；[V2i]為代表支路i末節(jié)點(diǎn)的節(jié)點(diǎn)電壓；[f1]為代表網(wǎng)絡(luò)的總有功損耗。
式（1）中，電壓和功率需要滿足約束條件。
（1） 電壓約束：
[ViminViVimax] （2）
式中[Vimax]和[Vimin]分別為節(jié)點(diǎn)i電壓有效值的最大和最小值。
（2） 支路功率約束
[SjSjmax] （3）
式中：[Sj]代表支路[j]上流過的功率；[Sjmax]代表支路[j]上允許流過的最大功率。
以負(fù)荷均衡為目的的配電網(wǎng)重構(gòu)中，一般負(fù)荷平衡與否可以用負(fù)荷平衡指標(biāo)來表示，其表達(dá)式為：
[LBI=i=1LiSiSimax2] （4）
式中：[Li]代表支路總數(shù)；[Si]表示支路[i]上通過的功率；[Simax]是表示[Li]條支路上通過的功率的最大值。
對(duì)于節(jié)點(diǎn)電壓值，越接近額定電壓，節(jié)點(diǎn)電壓質(zhì)量就越好，因此，在配電網(wǎng)中引入節(jié)點(diǎn)電壓偏移量指數(shù)，電壓偏移量越小，配電網(wǎng)越穩(wěn)定，其表達(dá)式為：
[VΔ=i=1nVi-VNVN2] （5）
式中：n為配電網(wǎng)節(jié)點(diǎn)數(shù)；[VN]為節(jié)點(diǎn)[i]的額定電壓值。
除了滿足以上電氣參數(shù)的約束外，也要符合配電網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)要求，即配電網(wǎng)中開關(guān)的開斷要滿足一下原則：網(wǎng)絡(luò)圖必須保持輻射狀；不能出現(xiàn)環(huán)路和孤島。
多目標(biāo)配電網(wǎng)重構(gòu)的數(shù)學(xué)模型為：
[min f=f1，f2，f3T] （6）
式中[f1]，[f2]，[f3]分別代表有功網(wǎng)損、負(fù)荷平衡指數(shù)和電壓偏移量指數(shù)。
2 基于小生境思想遺傳算法
遺傳算法（Genetic Algorithm）是模擬大自然生物進(jìn)化的一種隨機(jī)的概率優(yōu)化方法，通過大量的實(shí)踐應(yīng)用，發(fā)現(xiàn)GA容易早熟，陷入局部最優(yōu)解，因此，如何保持種群的多樣性，是保證遺傳算法能盡可能需找到全局最優(yōu)解的關(guān)鍵。
對(duì)于多目標(biāo)問題的最優(yōu)化，方法之一就是將多目標(biāo)問題傳化成單目標(biāo)問題，采用對(duì)目標(biāo)函數(shù)加權(quán)的方式，但是此方法也存在一些缺點(diǎn)：
（1） 各目標(biāo)函數(shù)加權(quán)值的確定帶有主觀性；
（2） 各目標(biāo)函數(shù)的單位往往不一致；
（3） 決策變量可能導(dǎo)致目標(biāo)之間得到相互矛盾的結(jié)果。因此，本文采用Pareto最優(yōu)的方法來處理多目標(biāo)優(yōu)化問題。
2.1 Pareto最優(yōu)概念
多目標(biāo)優(yōu)化問題可以表示成：
[minfx=f1x，f2x，…，fnxT] （7）
[s.t. gx=0， hx0， x∈X?Rn]
對(duì)于決策變量[x1]和[x2]，[x1、x2∈Rn]，對(duì)所有的目標(biāo)函數(shù)都有[fix1fix2]，[i]=1，2，…，n，并至少有一個(gè)目標(biāo)函數(shù)滿足[fix1
2.2 初始種群生成和排序
配電網(wǎng)重構(gòu)通過改變開關(guān)的組合狀態(tài)來改變其網(wǎng)絡(luò)結(jié)構(gòu)，從而實(shí)現(xiàn)優(yōu)化網(wǎng)損、平衡負(fù)荷、提高配電網(wǎng)魯棒性等目的。本文采用二進(jìn)制表示開關(guān)狀態(tài)，0表示開關(guān)斷開，1代表開關(guān)閉合。由于配電網(wǎng)的編碼要滿足開環(huán)的特點(diǎn)，因此編碼對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)不能出現(xiàn)環(huán)路和孤島，本文采用文獻(xiàn)[7]提出的編碼方式，即對(duì)基因進(jìn)行分區(qū)處理。同一環(huán)路的開關(guān)放在編碼放在基因的同一區(qū)內(nèi)，按照此編碼方式隨機(jī)生成[2N]個(gè)染色體，每個(gè)染色體對(duì)應(yīng)著不同的配電網(wǎng)開關(guān)組合狀態(tài)。
本文多目標(biāo)配電網(wǎng)重構(gòu)是通過求解Pareto最優(yōu)來尋求最優(yōu)解，而Pareto最優(yōu)解集就是最染色體排序的過程。對(duì)每個(gè)染色體進(jìn)行潮流計(jì)算，計(jì)算出式（7）的各個(gè)目標(biāo)[f]，通過比較各染色體的優(yōu)劣關(guān)系，確定染色體的排序。排序的具體過程如下：
（1）染色體集合S隨機(jī)生成，[S=][x1，x2，…，x2N-1，x2N]，設(shè)[?]為非劣基因解集，[i]為染色體下標(biāo)，[i=1]；
（2） 在集合[S]中，找一個(gè)染色體[xj]，[j=i+1]，將染色體[xi]與[xj]進(jìn)行比較，如果[xi?xj]，則跳到（4）。如果[xi?xj]，則進(jìn)入（3）；
（3） 將[S]中的所有染色體與[xi]進(jìn)行比較，如果都比較過了，則將[xi]添加到非劣解集合[?]中；
（4） 令[i=i+1]，看下一個(gè)染色體是否是非劣解。
反復(fù)運(yùn)行以上算法，知道所有的染色體都得到比較排序，則可以得到多個(gè)非劣解集，同一個(gè)非劣解集中的染色體有相同的優(yōu)越性，不能互相比較。
2.3 染色體的選擇、交叉和變異
在Glodberg文中指出，在小生境中，父代（Elder Generation）和子代（Filial Generation）競(jìng)爭(zhēng)選擇機(jī)制（EG?FG）在進(jìn)化算法中具有很強(qiáng)的選擇性，并且在種群進(jìn)行交叉操作中，能比較迅速的得到局部最優(yōu)解[8]。
在自然界進(jìn)化過程中，在特定環(huán)境下生物往往與特征形狀相似的生物聚集在一起，生活繁衍，即物以類聚，此行為在生物進(jìn)化過程中具有積極地意義。由于小生境環(huán)境的存在，每個(gè)小生境環(huán)境中物種都具有其獨(dú)特的優(yōu)越性，因此產(chǎn)生了自然界的生物多樣性。
受到小生境思想的啟發(fā)，又結(jié)合EG?FG的競(jìng)爭(zhēng)選擇機(jī)制，在改進(jìn)的遺傳算法中，可以將[2N]個(gè)染色體經(jīng)過排序后生成[N]個(gè)小生境。遺傳算法的交叉和變異在本文中只在小生境環(huán)境中進(jìn)行，各個(gè)小生境同時(shí)進(jìn)化。在交叉和變異后，采用EG?FG選擇機(jī)制，在此取父代和子代個(gè)體數(shù)均為2，父代和子代4個(gè)染色體競(jìng)爭(zhēng)，其中兩個(gè)優(yōu)良染色體進(jìn)入下一代。
運(yùn)用小生境的思想，可以在每個(gè)小生境環(huán)境中快速獲取最優(yōu)解，也往往是局部的最優(yōu)解，但通過[N]個(gè)小生境的同時(shí)獲取局部最優(yōu)解，就能在局部最優(yōu)解中獲取全局的Pareto最優(yōu)解集，再依據(jù)現(xiàn)實(shí)情況在Pareto最優(yōu)解集中選擇最合適的決策。
在交叉過程中，軟色體上基因不采用單點(diǎn)交叉，而是對(duì)基因塊交叉處理。變異則對(duì)某基因位操作。具體操作如下：
取小生境環(huán)境下兩個(gè)染色體為：
染色體1：1011，10111，11110111
染色體2：1101，11011，10111111
將軟色體分成3個(gè)基因塊，隨機(jī)對(duì)某個(gè)基因塊進(jìn)行交叉操作，在此取對(duì)第3個(gè)基因塊進(jìn)行交叉操作，得到如下兩個(gè)染色體：
染色體3：1011，10111， 10111111
染色體4：1101，11011， 11110111
在變異操作中，若基因位是1，在變異后，將此基因塊中另一個(gè)為0的基因位置1，若基因位是0時(shí)，則此基因塊將形成環(huán)網(wǎng)，因此需要在此基因塊的其他位置隨機(jī)將一基因位置0，由此來保證配電網(wǎng)的輻射狀態(tài)，不出現(xiàn)環(huán)路和孤島。
而對(duì)于復(fù)雜配電網(wǎng)絡(luò)，環(huán)路之間可能存在公共開關(guān)，對(duì)公共開關(guān)的基因塊進(jìn)行交叉或者變異修正處理，變成可行解。根據(jù)上述變異操作規(guī)則，分別對(duì)染色體3的第5基因位和染色體6的第12位進(jìn)行變異操作，得到如下兩個(gè)染色體：
染色體5：1011，11101，10111111
染色體6：1101，11011，11011111
將父代染色體1和染色體2與子代染色體5和染色體6，進(jìn)行競(jìng)爭(zhēng)，最優(yōu)的兩染色體進(jìn)入下一代。由于采用多目標(biāo)Pareto尋優(yōu)，向量不能比較大小，以往通過適應(yīng)度函數(shù)來確定交叉率和變異率不適用，本文采用如下自適應(yīng)規(guī)則，既能保證小生境環(huán)境下種群多樣性，也能保證獲得小生境下的最優(yōu)，其自適應(yīng)規(guī)則如下：
[Pci=Pc1-k1i-1M2] （8）
[Pmi=Pm1-k2i-1M2] （9）
式中：[i]代表當(dāng)前進(jìn)化的代數(shù)；Pc1和Pm1表示初始的交叉率和變異率；[k1]和[k2]為常量。
2.4 重構(gòu)過程
算法的流程圖如圖1所示。
圖1 算法程序流程圖
3 算例分析
本文采用美國[PGE]的69節(jié)點(diǎn)圖，如圖2所示。圖中有5個(gè)聯(lián)絡(luò)開關(guān)，用虛線表示，分別為11?66，13?20，15?69，27?54，39?48，網(wǎng)絡(luò)中的額定電壓為12.66 kV。采用本文提到的方法，對(duì)此配電網(wǎng)絡(luò)進(jìn)行重構(gòu)優(yōu)化，以網(wǎng)損、負(fù)荷均衡指數(shù)和節(jié)點(diǎn)電壓偏移指數(shù)為目標(biāo)，最終得到一組重構(gòu)的優(yōu)化方案，優(yōu)化方案中含有3條染色體，即含有3個(gè)不同的配網(wǎng)拓?fù)浣Y(jié)構(gòu)，對(duì)應(yīng)3個(gè)不同的Pareto最優(yōu)解，其結(jié)果如表1所示。
圖2 69節(jié)點(diǎn)配電系統(tǒng)圖
由表1可以看出，采用本文方法尋優(yōu)將可以得出一系列最優(yōu)解供選擇，可以根據(jù)現(xiàn)實(shí)情況在最優(yōu)解集中選擇一組合適的方案。若以網(wǎng)損最優(yōu)或節(jié)點(diǎn)偏移量指數(shù)最小時(shí)，可以選擇方案1；若要優(yōu)先考慮支路安全，則可選擇負(fù)荷平衡指數(shù)最小的方案3；在著重考慮支路安全的情況下，又考慮網(wǎng)絡(luò)損耗的同時(shí)，選擇第2個(gè)方案比較合適。
表1 重構(gòu)后最優(yōu)解集
4 結(jié) 語
配電網(wǎng)重構(gòu)是保證配配電網(wǎng)安全穩(wěn)定經(jīng)濟(jì)運(yùn)行的重要手段，本文將Pareto多目標(biāo)尋優(yōu)概念與小生境思想的遺傳算法結(jié)合，使配電網(wǎng)重構(gòu)從單一目標(biāo)優(yōu)化向多目標(biāo)優(yōu)化轉(zhuǎn)變，求解結(jié)果將是一組解，然后根據(jù)配電網(wǎng)的實(shí)際情況選擇一個(gè)最合適的解，讓重構(gòu)方案更具靈活性和現(xiàn)實(shí)意義。此外，算法還能有效避免遺產(chǎn)算法早熟，提高遺傳算法的全局搜索能力和收斂速度。
參考文獻(xiàn)
[1] KASHEM M A， JASMON G B， GANAPATHY V. A new approach of distribution system reconfiguration for loss minimization [J]. Electric Power & Energy System， 2000， 22： 269?276.
[2] AOKI K， KUWABARA H， SATOH T， et al. An efficient algorithm for load balancing of transformers and feeders [J]. IEEE Trans on Power Delivery， 1998， 3（4）： 865?872.
[3] 蒙文川，邱家駒.基于免疫算法的配電網(wǎng)重構(gòu)[J].中國電機(jī)工程學(xué)報(bào)，2006，26（17）：57?61.
[4] 勒曉凌，趙建國.基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的負(fù)荷均衡化配電網(wǎng)重構(gòu)[J].電網(wǎng)技術(shù)，2005，29（23）：40?43.
[5] 劉莉，姚玉斌，陳學(xué)允，等.進(jìn)化規(guī)劃在配電網(wǎng)絡(luò)多目標(biāo)重構(gòu)中的應(yīng)用[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2000，32（1）：120?126.
[6] 周明，孫樹棟.遺傳算法原理及應(yīng)用[M].北京：清華大學(xué)出版社，2005.
關(guān)健詞 船舶結(jié)構(gòu)；優(yōu)化；設(shè)計(jì)方法
中圖分類號(hào) U66 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào) 1674-6708（2013）103-0100-02
進(jìn)行船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)的目的就是尋求合適的結(jié)構(gòu)形式和最佳的構(gòu)件尺寸，既保證船體結(jié)構(gòu)的強(qiáng)度、穩(wěn)定性、頻率和剛度等一般條件，又保證其具有很好的力學(xué)性能、經(jīng)濟(jì)性能、使用性能和工藝性能。隨著計(jì)算機(jī)信息技術(shù)的發(fā)展，在計(jì)算機(jī)分析與模擬基礎(chǔ)上建立的船舶結(jié)構(gòu)的優(yōu)化設(shè)計(jì)，借鑒了相關(guān)的工程學(xué)科的基本規(guī)律， 而且取得了卓越的成效；基于可靠性的優(yōu)化設(shè)計(jì)方法也取得了較大的進(jìn)步；建立在人工智能原理與專家系統(tǒng)技術(shù)基礎(chǔ)上的智能型結(jié)構(gòu)設(shè)計(jì)方法也取得了突破性進(jìn)展。
1經(jīng)典優(yōu)化設(shè)計(jì)的數(shù)學(xué)規(guī)劃方法
結(jié)構(gòu)優(yōu)化設(shè)計(jì)數(shù)學(xué)規(guī)劃方法于1960年由L.A.Schmit率先提出。他認(rèn)為在進(jìn)行結(jié)構(gòu)設(shè)計(jì)時(shí)應(yīng)當(dāng)把給定條件的結(jié)構(gòu)尺寸的優(yōu)化設(shè)計(jì)問題轉(zhuǎn)變成目標(biāo)函數(shù)求極值的數(shù)學(xué)問題。這一方法很快得到了其他專家的認(rèn)可。1966年，D.Kavlie與J.Moe 等首次將數(shù)學(xué)規(guī)劃法應(yīng)用于船舶的結(jié)構(gòu)設(shè)計(jì)，翻開了船舶結(jié)構(gòu)設(shè)計(jì)的新篇章。我國的船舶結(jié)構(gòu)的設(shè)計(jì)方法研究工作始于70 年代末，已研究出水面船舶和潛艇在中剖面、框架、板架和圓柱形耐壓殼等基本結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法。
由于船舶結(jié)構(gòu)是非常復(fù)雜的板梁組合結(jié)構(gòu)，在受力和使用的要求上也很高，所以在進(jìn)行船舶結(jié)構(gòu)的優(yōu)化設(shè)計(jì)時(shí)，會(huì)涉及到許多設(shè)計(jì)變量與約束條件，工作內(nèi)容很多，十分困難。船舶結(jié)構(gòu)的分級(jí)優(yōu)化設(shè)計(jì)法就是在這個(gè)基礎(chǔ)上產(chǎn)生的，其基本思路是最優(yōu)配置第一級(jí)的整個(gè)材料，優(yōu)選第二級(jí)的具體結(jié)構(gòu)的尺寸。每一級(jí)又可以根據(jù)具體情況劃分成若干個(gè)子級(jí)。兩級(jí)最后通過協(xié)調(diào)變量迭代，將整個(gè)優(yōu)化問題回歸到原問題。分級(jí)優(yōu)化方法成功地解決了進(jìn)行船舶優(yōu)化設(shè)計(jì)中的剖面結(jié)構(gòu)、船舶框架和板架、潛艇耐壓殼體等一系列基本問題。
2 多目標(biāo)的模糊優(yōu)化設(shè)計(jì)法
經(jīng)典優(yōu)化設(shè)計(jì)的數(shù)學(xué)規(guī)劃方法是在確定性條件下進(jìn)行的， 也就是說目標(biāo)函數(shù)與約束條件是人為的或者按某種規(guī)定提出的，是個(gè)確定的值。但是在實(shí)際上， 在船舶結(jié)構(gòu)的優(yōu)化設(shè)計(jì)過程、約束條件、評(píng)價(jià)指標(biāo)等各方面都包含著許多的模糊因素，想要實(shí)現(xiàn)模糊因素優(yōu)化問題， 就必須依賴于模糊數(shù)學(xué)來實(shí)現(xiàn)多目標(biāo)的優(yōu)化設(shè)計(jì)。模糊優(yōu)化設(shè)計(jì)問題的主要形式是：
式中j 和j分別是第j性能或者幾何尺寸約束里的上下限。
模糊優(yōu)化設(shè)計(jì)方法大大的增加了設(shè)計(jì)者在選擇優(yōu)化方案時(shí)的可能性， 讓設(shè)計(jì)者對(duì)設(shè)計(jì)方案的形態(tài)有了更深入的了解。目前，模糊優(yōu)化設(shè)計(jì)法發(fā)展很快， 但是，還未實(shí)現(xiàn)完全實(shí)用化。多目標(biāo)的模糊優(yōu)化設(shè)計(jì)法的難點(diǎn)主要在于如何針對(duì)具體設(shè)計(jì)對(duì)象， 正確描述目標(biāo)函數(shù)的滿意度與約束函數(shù)滿足度隸屬函數(shù)的問題。
3 基于可靠性的優(yōu)化設(shè)計(jì)方法
概率論與數(shù)理統(tǒng)計(jì)方法首先在40 年代后期由原蘇聯(lián)引入到結(jié)構(gòu)設(shè)計(jì)中， 產(chǎn)生了安全度理論。這種理論以材料勻質(zhì)系數(shù)、超載系數(shù)、工作條件系數(shù)來分析考慮材料、載荷及環(huán)境等隨機(jī)性因素。早在50年代，人們就在船舶結(jié)構(gòu)的優(yōu)化設(shè)計(jì)中指出了可靠性概念，隨后，船舶設(shè)計(jì)的可靠性受到人們的重視，開始研究可靠性設(shè)計(jì)方法在船舶結(jié)構(gòu)建造中的應(yīng)用。
船舶結(jié)構(gòu)可靠性的理論和方法根據(jù)設(shè)計(jì)目標(biāo)的不同要求， 可以得出不同的結(jié)構(gòu)可靠性的優(yōu)化設(shè)計(jì)準(zhǔn)則。大體分為以下3種：
1）根據(jù)結(jié)構(gòu)的可靠性R·，要求結(jié)構(gòu)的重量W最輕，即：
MinW（X），s.t.R ≧R·
2）根據(jù)結(jié)構(gòu)的最大承重量W·， 要求結(jié)構(gòu)的可靠性最大或者破損概率最小，即：
Min Pf（X ） ， s.t.W （X ） ≦ W·
3）兼顧結(jié)構(gòu)重量和可靠性或破損概率， 實(shí)現(xiàn)某種組合的滿意度達(dá)到最大，即：
Max[a1uw（X）+a2upf（X）]
式中， a1，a2分別代表結(jié)構(gòu)重量和破損概率的重要度程度， 而且滿足a1+a2≥1.0，a1，a2≥0；uw，upf分別為代表相應(yīng)的滿意度。
關(guān)于船舶結(jié)構(gòu)的可靠性優(yōu)化設(shè)計(jì)方法的研究越來越多， 逐漸成為船舶的結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的重要方向。但是，可靠性的優(yōu)化設(shè)計(jì)方法除了在大規(guī)模的隨機(jī)性非線性規(guī)劃求解中存在困難外， 還有一個(gè)重要的難點(diǎn)在于評(píng)估船舶結(jié)構(gòu)可靠性的過程很復(fù)雜， 而且計(jì)算量大。
4 智能型的優(yōu)化設(shè)計(jì)方法
隨著人工智能技術(shù)（Al）和計(jì)算機(jī)信息技術(shù)的發(fā)展， 給船舶結(jié)構(gòu)的優(yōu)化設(shè)計(jì)提供了一個(gè)新的途徑，也就是智能型優(yōu)化設(shè)計(jì)法。
智能型的優(yōu)化設(shè)計(jì)法的基本做法為：搜索優(yōu)秀的相關(guān)產(chǎn)品資料，通過整理，概括成典型模式，再進(jìn)行關(guān)聯(lián)分析、類比分析和敏度分析尋找設(shè)計(jì)對(duì)象和樣本模式間的相似度、差異性與設(shè)計(jì)變量敏度等，按某種準(zhǔn)則實(shí)施的樣本模式進(jìn)行變換， 進(jìn)而產(chǎn)生若干符合設(shè)計(jì)要求的新模式， 經(jīng)過綜合評(píng)估與經(jīng)典優(yōu)化方法的調(diào)參和優(yōu)選， 最終取得最優(yōu)方案。
智能型的優(yōu)化設(shè)計(jì)法法的優(yōu)點(diǎn)是創(chuàng)造性較強(qiáng)，缺點(diǎn)是可靠性較弱。所以在分析計(jì)算其產(chǎn)生的各種性能指標(biāo)時(shí)，應(yīng)當(dāng)進(jìn)行多目標(biāo)的模糊評(píng)估， 必要時(shí)還應(yīng)當(dāng)使用經(jīng)典優(yōu)化方法對(duì)某些參數(shù)進(jìn)行調(diào)整。
5 結(jié)論
通過本文對(duì)船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法的研究，我們得出在進(jìn)行船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)的時(shí)候， 往往會(huì)涉及到很多相互制約和互相影響的因素， 這就需要設(shè)計(jì)人員權(quán)衡利弊， 進(jìn)行綜合考察， 不但要進(jìn)行結(jié)構(gòu)參數(shù)與結(jié)構(gòu)型式的優(yōu)選，而且還要針對(duì)具體情況對(duì)做出的方案進(jìn)行評(píng)估、優(yōu)選和排序。通過什么準(zhǔn)則對(duì)不同的方案進(jìn)行綜合評(píng)估，得出最優(yōu)方案， 成為專家和設(shè)計(jì)人員需要繼續(xù)研究的問題。
參考文獻(xiàn)
[1]郭軍，肖熙.基于可靠性的船體結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)[J].上海交通大學(xué)學(xué)報(bào)，2010（1）.
1城市污水處理的水質(zhì)目標(biāo)管理
長(zhǎng)期以來，城市污水處理廠的作用被認(rèn)為是降低污水直接排放對(duì)受納水體的污染，因此，處理水質(zhì)“達(dá)標(biāo)”是最重要的目標(biāo)。為達(dá)到設(shè)定的水質(zhì)標(biāo)準(zhǔn)，各種技術(shù)與手段被采用，將污水中所含的污染物質(zhì)分離去除或?qū)⑵滢D(zhuǎn)化為無害物質(zhì)，使水得到凈化。在此過程中，除了消耗大量的電能和絮凝劑與消毒劑等化學(xué)品外，還有大量剩余污泥和溫室氣體等“廢物”產(chǎn)生。據(jù)資料統(tǒng)計(jì)，不同類型污水處理工藝的平均電耗在0．20～0．35kW•h／m3，其中約70％消耗在污水好氧生物處理單元；剩余污泥量占處理污水的0．3％～0．5％（以含水率97％計(jì)），且污水處理程度越高，泥量越多；產(chǎn)生的溫室氣體包括CO2、CH4和N2O，其產(chǎn)生量與污水特征和處理工藝有關(guān)。
目前評(píng)價(jià)污水處理工藝或方案的常用方法是基于水質(zhì)保障的技術(shù)經(jīng)濟(jì)分析法，即以水質(zhì)達(dá)標(biāo)為前提，按照資源合理配置的原則，從技術(shù)和經(jīng)濟(jì)角度評(píng)價(jià)污水處理工藝或方案的效益與費(fèi)用，分析其技術(shù)與經(jīng)濟(jì)合理性。常用的評(píng)價(jià)體系包括費(fèi)用模型、效益評(píng)價(jià)指數(shù)模型、灰色系統(tǒng)模型等。然而，這類方法未充分考慮不同污水處理工藝或方案的環(huán)境影響。例如，從污水處理的角度，微生物將有機(jī)物降解為CO2和水被認(rèn)為是實(shí)現(xiàn)了無害化，但在全球氣候變化背景下，CO2已是公認(rèn)的溫室氣體。此外，污水處理過程中的動(dòng)力消耗也將折算成CO2排放量，高能耗也意味著增加了CO2的排放量；除CO2外，污水脫氮除磷過程中還產(chǎn)生了CH4和N2O等溫室氣體。因此，對(duì)大氣環(huán)境而言，城市污水處理廠則是溫室氣體排放源，而在水質(zhì)目標(biāo)管理中對(duì)此并未予以考慮。對(duì)于污水處理過程中產(chǎn)生的污泥也是如此，只是包含污水處理廠內(nèi)污泥處理部分，對(duì)于出廠污泥最終如何處置及其對(duì)環(huán)境的影響則不予考慮。盡管“達(dá)標(biāo)”和“提標(biāo)”是當(dāng)前城市污水處理主要關(guān)注的重點(diǎn)，但從可持續(xù)發(fā)展來看，以水質(zhì)目標(biāo)管理的城市污水處理工藝的發(fā)展將面臨極大的障礙，主要表現(xiàn)為污水處理過程的高能耗、高剩余污泥產(chǎn)量和溫室氣體排放與能源緊缺、低碳社會(huì)以及溫室氣體控制之間的矛盾。
2生命周期評(píng)價(jià)城市污水處理
近年來，有關(guān)污水處理對(duì)環(huán)境影響方面的研究越來越多，生命周期評(píng)價(jià)（LifeCycleAssessment，LCA）是采用的主要研究方法之一。
LCA是一種評(píng)價(jià)產(chǎn)品整個(gè)生命周期（從“搖籃”到“墳?zāi)埂保┑沫h(huán)境影響和資源消耗的方法，具有系統(tǒng)性和可量化的特點(diǎn)。LCA研究起源于20世紀(jì)60年代，世界上的第一個(gè)案例是1969年美國中西部研究所對(duì)可口可樂飲料瓶從最初的原材料采掘到最終的廢棄瓶處理處置的全過程跟蹤和定量分析，這是公認(rèn)的LCA研究開始的標(biāo)志。20世紀(jì)90年代，國際環(huán)境毒理學(xué)和化學(xué)學(xué)會(huì)組織（SETAC）在有關(guān)生命周期評(píng)價(jià)的國際研討會(huì)上首次提出了“生命周期評(píng)價(jià)”的概念，并與國際標(biāo)準(zhǔn)化組織（ISO）共同推動(dòng)了生命周期評(píng)價(jià)方法的國際標(biāo)準(zhǔn)化，于1997至2000年相繼推出了ISO14040～I(xiàn)SO14043等國際標(biāo)準(zhǔn)，為生命周期評(píng)價(jià)方法的應(yīng)用奠定了基礎(chǔ)。我國于2008年了《環(huán)境管理生命周期評(píng)價(jià)要求與指南》（GB／T24044－2008／ISO14044－2006）。近年來，LCA已在不同的行業(yè)得以應(yīng)用，特別是在生態(tài)環(huán)境領(lǐng)域有著廣泛的應(yīng)用。運(yùn)用LCA評(píng)價(jià)城市污水處理全過程，打破了傳統(tǒng)方法的局限性，將城市污水處理放在了大環(huán)境背景下，與能源消耗、對(duì)氣候變化的影響等聯(lián)系在一起進(jìn)行綜合評(píng)估，可以較全面地解析污水處理各環(huán)節(jié)對(duì)環(huán)境的影響。
LCA的評(píng)價(jià)過程包括4個(gè)階段：目標(biāo)確定、清單分析、影響評(píng)價(jià)和解釋，其中影響評(píng)價(jià)是LCA研究的難點(diǎn)，通常經(jīng)過分類、特征化和量化三步驟完成，目前大多處于探索階段。近年來，國內(nèi)外許多學(xué)者運(yùn)用LCA對(duì)城市污水處理工藝進(jìn)行系統(tǒng)的環(huán)境效應(yīng)解析，識(shí)別不同工藝組合形式運(yùn)行過程中所帶來的環(huán)境影響的類型及關(guān)鍵環(huán)節(jié)。污水處理廠的生命周期包括了建設(shè)期、運(yùn)行期和拆除期，許多研究對(duì)各階段的環(huán)境影響進(jìn)行了定量分析。一些研究認(rèn)為，污水處理廠運(yùn)行期的環(huán)境影響要大于建設(shè)期和拆除期。也有研究指出，在城市污水處理廠，不同污水處理工藝對(duì)環(huán)境的影響有所不同，污水處理設(shè)備的耗能對(duì)環(huán)境影響最大，特別是好氧處理單元，電耗約占污水處理總電耗的70％，因此建議減少能量消耗、有效利用能源和更多地使用可再生能源；污泥處理過程對(duì)環(huán)境影響最大的是沼氣不能利用轉(zhuǎn)而用火炬將其燃燒的厭氧消化單元，為維持厭氧消化消耗了大量的能源或使用化學(xué)品；污泥的最終處置方式也對(duì)環(huán)境具有很大影響。對(duì)達(dá)到不同排放標(biāo)準(zhǔn)的幾種典型污水處理工藝的對(duì)比研究表明，以水質(zhì)目標(biāo)管理的污水處理工藝，隨著處理水質(zhì)標(biāo)準(zhǔn)的提高，需要采用更完善的污水處理工藝，導(dǎo)致能耗、化學(xué)品消耗、溫室氣體產(chǎn)生量和污泥產(chǎn)生量等相應(yīng)增加，對(duì)環(huán)境影響的負(fù)面效應(yīng)增大。也就是提高污水排放標(biāo)準(zhǔn)，對(duì)保障受納水體的環(huán)境質(zhì)量有利，但加重了污水處理工藝設(shè)施對(duì)環(huán)境的綜合影響。也有學(xué)者將LCA作為城市污水處理廠優(yōu)化運(yùn)行的對(duì)策輔助工具，對(duì)現(xiàn)有城市污水處理廠處理工藝和優(yōu)化可選工藝進(jìn)行分析對(duì)比，為污水處理廠的優(yōu)化運(yùn)行和升級(jí)改造提供建議。
由此可見，在污水處理過程中，能耗、化學(xué)品消耗、溫室氣體排放、污泥的最終處置方式等產(chǎn)生的環(huán)境影響最大，是重點(diǎn)考慮的環(huán)境影響因子。為此，有人提出，如果污水處理廠能夠充分利用污泥厭氧消化產(chǎn)生的生物氣，不僅可以減小厭氧消化單元對(duì)環(huán)境的影響，而且可以為污水處理設(shè)備提供能源，實(shí)現(xiàn)城市污水處理過程能源消耗的自給自足。對(duì)污泥的最終處理方式，也有研究對(duì)污泥堆肥農(nóng)用和水泥廠焚燒做了對(duì)比評(píng)價(jià)，各有優(yōu)缺點(diǎn)，主要取決于污泥的性質(zhì)。
3城市污水處理的多目標(biāo)管理
3．1多目標(biāo)管理的基本思路LCA的引入讓我們對(duì)污水處理過程的環(huán)境影響有了深入的理解，可見污水處理目標(biāo)的設(shè)定是非常重要的。水質(zhì)目標(biāo)管理可以使排放的污水對(duì)水環(huán)境的影響最小化，但從生態(tài)環(huán)境的可持續(xù)性發(fā)展考慮，污水處理的目標(biāo)不僅要保護(hù)水環(huán)境，也要最大限度地減少資源的損失，加強(qiáng)營養(yǎng)物質(zhì)的循環(huán)利用，減少能源使用，減少廢物的產(chǎn)生，使之對(duì)總環(huán)境影響最小化，甚至產(chǎn)生環(huán)境效益。事實(shí)上，污水中的有機(jī)物和氮磷營養(yǎng)物，以及生物處理單元產(chǎn)生的剩余污泥都是可回收利用的資源。為此，需要轉(zhuǎn)變傳統(tǒng)的污水處理觀念，將單一的水質(zhì)目標(biāo)管理發(fā)展為滿足水質(zhì)、節(jié)能、低碳和資源回收的多目標(biāo)管理。因此，城市污水處理多目標(biāo)管理的基本思路是：在保障出水水質(zhì)滿足一定的排放標(biāo)準(zhǔn)的前提下，減少污水處理過程中所需的能耗和物耗，減少溫室氣體釋放等環(huán)境足跡，并借助回收技術(shù)對(duì)污水及剩余污泥中的有機(jī)物和營養(yǎng)物質(zhì)進(jìn)行多途徑的回收利用，同步實(shí)現(xiàn)污水處理的節(jié)能、低碳與資源回收等多項(xiàng)目標(biāo)。城市污水處理多目標(biāo)管理具有兩層涵義，一是滿足一定的污水處理要求及標(biāo)準(zhǔn)，保障受納水體的健康可持續(xù)，這是城市污水處理最原始的、也是最重要的目標(biāo)；二是盡可能降低污水處理過程中產(chǎn)生的環(huán)境負(fù)荷和環(huán)境足跡，并實(shí)現(xiàn)污水及污泥中可利用物質(zhì)回收的最大化。城市污水處理多目標(biāo)管理的目的是：環(huán)境負(fù)面效應(yīng)最小化，能源與資源回收利用最大化，實(shí)現(xiàn)污水處理與總生態(tài)環(huán)境效益的和諧統(tǒng)一，以及污水處理的可持續(xù)發(fā)展。
3．2多目標(biāo)管理體系的發(fā)展由于多目標(biāo)管理是將出水達(dá)標(biāo)、營養(yǎng)物回收、能源回收和降低環(huán)境影響作為管理目標(biāo)，回收物質(zhì)的能源化和資源化所帶來的環(huán)境正效益可抵消污水處理過程產(chǎn)生的環(huán)境影響。因此，與單一的水質(zhì)目標(biāo)管理下污水處理過程對(duì)環(huán)境影響隨排放標(biāo)準(zhǔn)的提高而增加不同，在多目標(biāo)管理的情況下，污水處理過程對(duì)環(huán)境的影響并不一定隨著污水排放標(biāo)準(zhǔn)的提高而增大。為了有效地實(shí)施城市污水處理多目標(biāo)管理，需要一套具有較高科學(xué)性、系統(tǒng)性和綜合性的污水處理評(píng)價(jià)技術(shù)體系，該體系應(yīng)充分考慮污水處理過程中產(chǎn)生的主要環(huán)境效應(yīng)及物質(zhì)資源化潛能，也需要考慮當(dāng)前污水處理技術(shù)水平和未來的發(fā)展。評(píng)價(jià)體系的構(gòu)建，很大程度依賴于指標(biāo)系統(tǒng)的設(shè)置，指標(biāo)系統(tǒng)能夠有針對(duì)性且客觀反映研究系統(tǒng)的特性，是構(gòu)建一個(gè)評(píng)價(jià)體系需要深思熟慮的關(guān)鍵問題。另一個(gè)需要注意的問題是，污水處理多目標(biāo)管理涉及多個(gè)評(píng)價(jià)指標(biāo)，而各指標(biāo)相對(duì)重要性的大小（即權(quán)重）的分配是評(píng)價(jià)技術(shù)體系構(gòu)建的又一難點(diǎn)，因?yàn)闄?quán)重的確定以及賦值是否合理，對(duì)評(píng)價(jià)結(jié)論的科學(xué)合理性起著非常重要的作用，若某一指標(biāo)的權(quán)重發(fā)生變化，將會(huì)影響整個(gè)評(píng)價(jià)的結(jié)論。因此，避免人為的主觀性，建立客觀地反映各指標(biāo)間的相互關(guān)系及重要性的排序方法是十分重要的。大數(shù)據(jù)方法學(xué)的發(fā)展為此提供了有效的手段。有研究表明，評(píng)價(jià)指標(biāo)的權(quán)重值在不同的國家、不同的地區(qū)和不同的歷史時(shí)段存在較大的差異，與當(dāng)時(shí)受關(guān)注的程度有關(guān)。因此，各目標(biāo)的優(yōu)先順序在不同的國家和不同時(shí)期將不同，特別是發(fā)展中國家與發(fā)達(dá)國家之間有明顯的差異。由于有關(guān)污水處理多目標(biāo)管理的研究起步較晚，目前在理論和方法方面還有很多不成熟之處。缺乏一種被普遍接受且適合不同情況的評(píng)價(jià)的方法，特別是受可獲取的信息和數(shù)據(jù)的限制，無法充分體現(xiàn)污水處理對(duì)環(huán)境影響的時(shí)間性和區(qū)域性，在評(píng)價(jià)結(jié)果的客觀性方面有一定的局限。這些有待于進(jìn)一步的研究和發(fā)展。
3．3多目標(biāo)管理對(duì)污水處理工藝的影響從單一的水質(zhì)目標(biāo)管理到多目標(biāo)管理，體現(xiàn)了城市污水處理觀念的轉(zhuǎn)變。傳統(tǒng)的以水質(zhì)目標(biāo)管理的污水處理是將有機(jī)物和無機(jī)營養(yǎng)物看作為污染物，在污水處理工藝設(shè)計(jì)時(shí)考慮盡可能將其高效同步去除，例如A2／O工藝等，污水中的有機(jī)物作為脫氮除磷過程的碳源被利用。對(duì)于多目標(biāo)管理，污水中的有機(jī)物和氮磷營養(yǎng)物質(zhì)將作為資源被分類回收利用，需要將有機(jī)物與氮磷回收的過程盡量分開。這種觀念的轉(zhuǎn)變勢(shì)必引起污水處理工藝的改變。國內(nèi)外提出的許多新型的節(jié)能低碳污水處理技術(shù)與工藝，例如污水處理碳中和、磷回收工藝等，都體現(xiàn)了觀念轉(zhuǎn)變一定會(huì)帶動(dòng)污水處理技術(shù)與工藝的變化。
4結(jié)語
關(guān)鍵詞：水資源規(guī)劃 宏觀經(jīng)濟(jì) 多目標(biāo)群決策
水資源是國民經(jīng)濟(jì)和人民生活不可或缺的資源，它們相互制約相互矛盾；通過合理的規(guī)劃，又可以做到共生共榮、互相促進(jìn)，達(dá)到水資源利用與經(jīng)濟(jì)、環(huán)境協(xié)調(diào)可持續(xù)發(fā)展的目的［1］。
大連市是全國發(fā)展最快和最嚴(yán)重的缺水城市之一，其人均水資源占有量不足全國人均的四分之一，嚴(yán)重缺水的緊張局面多次出現(xiàn)；干旱和對(duì)地下水的不合理開采，造成了大面積下降漏斗區(qū)、海水倒灌等嚴(yán)重的環(huán)境問題。水資源已經(jīng)而且還將成為大連市國民經(jīng)濟(jì)發(fā)展的瓶頸之一。本文以國家科委全國地方科技攻關(guān)項(xiàng)目“大連市水資源綜合開發(fā)利用研究”為背景，以滿足大連市國民經(jīng)濟(jì)持續(xù)發(fā)展、環(huán)境質(zhì)量改善和人民生活水平的提高為總目的，將大連市的水資
源系統(tǒng)、社會(huì)經(jīng)濟(jì)和環(huán)境3個(gè)子系統(tǒng)作為一個(gè)相互聯(lián)系的大系統(tǒng)，建立了大連市宏觀經(jīng)濟(jì)水資源發(fā)展規(guī)劃多目標(biāo)決策模型，并提出了模糊切比雪夫多目標(biāo)群決策方法，以生成和選擇水資源供需調(diào)控策略，為大連市政府在制定該市發(fā)展規(guī)劃和水資源的合理利用決策時(shí)提供科學(xué)依據(jù)。
1 大連市宏觀經(jīng)濟(jì)水資源發(fā)展規(guī)劃多目標(biāo)決策模型
根據(jù)大連市宏觀經(jīng)濟(jì)水資源發(fā)展規(guī)劃的總目的，其所要求的結(jié)果可用多種目標(biāo)來描述。由于區(qū)域宏觀經(jīng)濟(jì)水資源系統(tǒng)是一多目標(biāo)、多效益、多矛盾的復(fù)雜系統(tǒng)，與其相關(guān)的部門和團(tuán)體有著各自不同的利益要求和目標(biāo)，而這些要求和目標(biāo)通常都是相互沖突、不可公度的。考慮到不使決策模型規(guī)模過份寵大，在充分調(diào)查研究與參考其它地區(qū)研究的基礎(chǔ)上［2-4］，我們選擇了國民生產(chǎn)總值(GNP)、生物化學(xué)需氧量(BOD)、糧食總產(chǎn)量(FOOD)3個(gè)目標(biāo)。
1.1 經(jīng)濟(jì)目標(biāo)與約束條件? 選擇各規(guī)劃水平年各地區(qū)國民生產(chǎn)總值之和(GNP)最大為主要經(jīng)濟(jì)目標(biāo)，即：
式中：j=1，2，…，10為地區(qū)序號(hào)，分別為中山、西崗、沙河口、甘井子、旅順、金州、瓦房店、普蘭店、莊河、長(zhǎng)海；s=1，2分別代表規(guī)劃水平年2010和2020年；α(j，s)是各水平年各地區(qū)的附加值率。GNP(j，s)是地區(qū)j在水平年s的國民生產(chǎn)總值。國民經(jīng)濟(jì)結(jié)構(gòu)約束為
(I-A)X(j，s，k)=BHO(j，s，k)XHO(j，s)+BSO(j，s，k)XSO(j，s)+
BFI(j，s，k)XFI(j，s)+BST(j，s，k)XST(j，s)+XEP(j，s，k)-XIM(j，s，k)
式中：I是單位矩陣；A是投入產(chǎn)出系數(shù)矩陣；k=1，2，…，7分別代表農(nóng)、輕工、重工、建筑、運(yùn)輸郵電、商業(yè)和非物質(zhì)部門；XHO(·)、XSO(·)、XFI(·)、XST(·)分別表示居民消費(fèi)、社會(huì)消費(fèi)、固定資產(chǎn)積累、流動(dòng)資金積累；BHO(·)、BSO(·)、BFI(·)、BST(·)分別為相應(yīng)變量的分配系數(shù)；XEP(·)、XIM(·)為各水平年各地區(qū)各部門的進(jìn)出口變量；X(·)為各水平年各地區(qū)各部門的產(chǎn)值變量，它們與國民生產(chǎn)總值的關(guān)系為：
式中：IOC(·)是各水平年各地區(qū)各部門的附加值率。各地區(qū)固定資產(chǎn)積累與投資關(guān)系為：
KT(j，s)+IW(j，s)=K1(s)KT(j，s-1)+K2(s)GNP(j，s)+K3(s)GNP(j，s-1)
式中：KT(·)是各水平年各地區(qū)總資產(chǎn)存量；K1(·)是前一時(shí)段總資產(chǎn)存量在本時(shí)段的剩余系數(shù)；K2(·)是本時(shí)段國民生產(chǎn)總值對(duì)固定資產(chǎn)存量的貢獻(xiàn)；K3(·)是前一時(shí)段國民生產(chǎn)總值對(duì)本時(shí)段固定資產(chǎn)存量的貢獻(xiàn)；IW(·)是各規(guī)劃水平年各地區(qū)分擔(dān)的水投資。
1.2 社會(huì)目標(biāo)與約束條件 根據(jù)大連市農(nóng)業(yè)的實(shí)際，選擇各規(guī)劃水平年各地區(qū)糧食產(chǎn)量與其目標(biāo)期望偏差之和最小：
式中：TFOOD(·)、FOOD(·)分別是各地區(qū)各規(guī)劃水平年的糧食消耗量期望目標(biāo)和實(shí)際糧食生產(chǎn)總量。糧食生產(chǎn)目標(biāo)方程由下式確定
TFOOD(j，s)=KFO(j，s)PLO(j，s)
其中，KFO(·)、PLO(·)是各規(guī)劃水平年各地區(qū)的人均糧食消耗量和人口總數(shù)。糧食產(chǎn)量方程為
其中YD1(·)、AR1(·)分別是各地區(qū)規(guī)劃年旱地作物單產(chǎn)和播種面積；YD2(·)、AR2(·)分別是灌溉作物單產(chǎn)和播種面積；l=1，2，3是作物種類，代表水稻、小麥和玉米。農(nóng)業(yè)產(chǎn)值方程為：
式中：PR1(·)、PR2(·)分別是各地區(qū)各規(guī)劃年旱地單位面積產(chǎn)值和灌溉地單位面積產(chǎn)值；LM F(·)為各地區(qū)的林、牧、副、漁總產(chǎn)值，a=1，2，3，4；l=4，5，分別代表蔬菜和經(jīng)濟(jì)作物。
1.3 環(huán)境目標(biāo)與約束條件? 考慮到城市化帶來的人口增加等環(huán)境壓力，選擇各規(guī)劃水平年各地區(qū)城鎮(zhèn)生物需氧量(BOD)負(fù)荷排放量最小作為環(huán)境目標(biāo)，即
式中，BOD(·)是各規(guī)劃水平年各地區(qū)的BOD負(fù)荷排放總量，可由下列方程確定：
式中：B(·)是各地區(qū)單位產(chǎn)值的BOD排放量；UP(·)是城鎮(zhèn)人均生活BOD排放量；PU(·)是城鎮(zhèn)人口總數(shù)；KSE(·)是各地區(qū)污水處理百分率；BSE(·)是城鎮(zhèn)污水處理后BOD的剩余量。污水排放量關(guān)系式為：
?
式中：M(·)、DB分別是各地區(qū)標(biāo)準(zhǔn)污水處理廠個(gè)數(shù)和每個(gè)廠的污水處理能力；WX(·)是單位產(chǎn)值的污水排放量；WPU(·)是城鎮(zhèn)人均生活污水排放量。
1.4 水供需平衡關(guān)系方程 上述3個(gè)目標(biāo)除相互促進(jìn)相互制約外，還同時(shí)都受水資源系統(tǒng)的控制與制約。城鎮(zhèn)水供需平衡方程為：
式中：WP(·)是城鎮(zhèn)人均年供水量；WEA(·)是每畝蔬菜灌溉定額；WG(·)為各地區(qū)可利用水量；WE(j，s)各地區(qū)水平年環(huán)境用水量。
農(nóng)村水供需平衡方程為：
式中：WPV(·)是農(nóng)村人均年供水量；PV(·)是地區(qū)農(nóng)村總?cè)丝冢籛L(·)(a=1，2，3，4)分別是林、牧、副、漁業(yè)單位產(chǎn)值耗水量；WAG(·)是地區(qū)農(nóng)村可利用水資源量。
2 模糊切比雪夫多目標(biāo)群決策方法
根據(jù)大連的實(shí)際，可將決策者分為市政府與地區(qū)二層次。前者的地位與決策權(quán)顯然高于地區(qū)類決策者，其作出的決策應(yīng)當(dāng)給予高度的重視；地區(qū)類決策者為大連所轄的10個(gè)區(qū)縣市。因此，上節(jié)建立的模型是半結(jié)構(gòu)化、風(fēng)險(xiǎn)型、多層次和多目標(biāo)的群決策問題。
2.1 模糊多目標(biāo)切比雪夫模型 交互式切比雪夫決策方法由美國Steuer教授首先提出［5］，是一種通過與決策者交互逐步縮小決策空間，最終達(dá)到滿意解的決策方法，也是求解單決策者多目標(biāo)決策問題較理想的方法。
為敘述方便，將上節(jié)的宏觀經(jīng)濟(jì)水資源發(fā)展規(guī)劃多目標(biāo)決策模型簡(jiǎn)述為：
(1)
其中，f1(X)=TGNP，f2(X)=TFOOD，f3(X)=M-TBOD，X是所有變量組成的向量，M是一個(gè)適當(dāng)大的正數(shù)，S是上節(jié)中所有約束條件所組成的集合。
分別求解單目標(biāo)規(guī)劃(i=1，2，3)：
maxfi(X)
(2)
可得最優(yōu)解與最大值。再分別求解單目標(biāo)規(guī)劃：
minfi(X)
maxfi(X)
(3)
可得最小值fi*。這樣，可構(gòu)造出目標(biāo)函數(shù)fi(X)的相對(duì)隸屬度［6］為
(4)
顯然，μ*=(1，1，1)是相對(duì)隸屬度的理想點(diǎn)值。為在應(yīng)用切比雪夫方法時(shí)不易丟失滿意解，在相對(duì)隸屬度空間中將移動(dòng)一個(gè)很小的距離εi≥0，可得到一個(gè)“更好的理想點(diǎn)”。由于，從而已不再有相對(duì)隸屬度的意義。我們把稱為超理想點(diǎn)。εi一般取0.01～0.1之間的任意值。
結(jié)合傳統(tǒng)切比雪夫方法，并按使所有達(dá)到最小值進(jìn)行求解滿意方案，其中λ=(λ1，λ2，λ3)是切比雪夫權(quán)重向量，也即目標(biāo)權(quán)重向量，滿足。但為使所得的解總是有效解，避免模型可行域的局部病態(tài)給求解帶來的不良影響，在模型中增加光滑項(xiàng)。于是，可建立如下的決策優(yōu)化模型：
?
其中ρ為一綜合比例系數(shù)，一般取較小的值。根據(jù)實(shí)際經(jīng)驗(yàn)，通常取0.001～0.01之間的某個(gè)值為宜［2］。為了求解方便，令，于是可將上述決策優(yōu)化模型轉(zhuǎn)化成下列決策模型
?
2.2 模糊切比雪夫多目標(biāo)群決策方法 多目標(biāo)切比雪夫決策方法是一種交互式算法，能充分體現(xiàn)決策者的偏好和判斷。首先，根據(jù)隨機(jī)產(chǎn)生的權(quán)重空間和權(quán)重向量，計(jì)算并抽取若干個(gè)模型解，并將其提供給決策者挑選出“滿意解”；然后以該解為核心進(jìn)行離散和抽樣［7］，計(jì)算縮小了的權(quán)重空間，并隨機(jī)產(chǎn)生相應(yīng)的權(quán)重向量和模型解，供決策者選擇。交互過程是在不斷縮小的滿意解搜索空間中反復(fù)進(jìn)行的，直至求出決策者的滿意解或不可能產(chǎn)生的新解。但我們的決策問題是多層次多決策者的群決策，各決策者對(duì)切比雪夫過程提供的備選方案的選擇不一定完全一致。因此各決策者在選取各自滿意決策方案時(shí)必須進(jìn)行協(xié)商，以形成群的最滿意方案，才能繼續(xù)下一輪切比雪夫過程。為此，通過引入“不滿意度”概念，將兩層決策轉(zhuǎn)化為單層決策問題。最后利用廣義加權(quán)切比雪夫模型式(5)將多目標(biāo)問題式(1)轉(zhuǎn)化為單目標(biāo)問題求解。我們稱這種決策方法為模糊切比雪夫多目標(biāo)群決策方法。現(xiàn)結(jié)合決策模型式(5)，將該決策方法的具體過程和步驟簡(jiǎn)述如下：
第1步：確定迭代次數(shù)n0，每次迭代后抽取的決策方案?jìng)€(gè)數(shù)n，權(quán)重空間縮小因子r。令W為由權(quán)重區(qū)間［li，ui］組成的權(quán)重空間域，即W=［l1，u1］×［l2，u2］×［l3，u3］。當(dāng)t=0時(shí)，一般取。
第2步：由式(2)～(4)將式(1)轉(zhuǎn)化為廣義加權(quán)切比雪夫模型式(5)。
第3步：令t=t+1，形成權(quán)重向量空間，即。
第4步：利用隨機(jī)抽樣理論，產(chǎn)生50×3組權(quán)重向量，并從中篩選出2×11組差異最大、最不相同的權(quán)重向量。
第5步：將選出的2×11組權(quán)重向量逐一輸入決策模型式(5)求解，可求得2×11組決策方案；
從中選出11個(gè)差別最大的方案，并將它們提供給決策者組成的決策群體。
第6步：群中各決策者經(jīng)過協(xié)商，從11個(gè)方案中選擇出具有最小群不滿意度的方案作為群的最滿意方案，記作μt，如何計(jì)算群不滿意度將在下一小節(jié)里介紹；
第7步：若決策者想提前結(jié)束迭代，則轉(zhuǎn)入第11步；否則，計(jì)算與μt相應(yīng)的權(quán)重向量(記作λt)的分量：
第8步：由λt構(gòu)造新的權(quán)重向量λt+1的權(quán)重空間，即
其中，
第9步：如果t
第10步：若決策群對(duì)所選方案不滿意想繼續(xù)迭代，則退回第3步；否則，轉(zhuǎn)入下一步；
第11步：與μt相應(yīng)的方案(解)Xt即為群的最滿意解。
2.3 群最滿意方案的產(chǎn)生方法 在多目標(biāo)決策問題式(1)中，上層決策者為市政府，相應(yīng)的決策稱為上層決策，他作出決策一般有兩種方式：一是作為普通決策者從切比雪夫備選方案中挑選最滿意方案；二是直接給出理想值，稱之為政策理想點(diǎn)。此時(shí)每個(gè)備選方案相對(duì)于最滿意方案或政策理想點(diǎn)都有一個(gè)不滿意度。相對(duì)于上層決策的不滿意度稱
為政策偏離度或上層不滿意度。地區(qū)類決策者的決策稱為下層決策，備選方案相對(duì)于其所選的最優(yōu)方案的不滿意度稱為下層不滿意度。
設(shè)模糊切比雪夫多目標(biāo)群決策過程第5步產(chǎn)生的11個(gè)方案的相對(duì)隸屬度矩陣為
下層決策者j可在上述備選方案中直接挑選自己的最滿意方案；如果事先知道其關(guān)于經(jīng)濟(jì)、社會(huì)和環(huán)境三目標(biāo)的偏好信息，則可用相對(duì)隸屬度原理確定其關(guān)于目標(biāo)的權(quán)重，并利用陳守煜提出的模糊優(yōu)選模型［8］確定其最滿意方案：
于是，相對(duì)于最滿意方案μtlj，決策者j關(guān)于其它備選方案各指標(biāo)的不滿意度為
(6)
這里i=1，2，3;l=1，2，…，11;j=1，2，…，10。于是，決策者j對(duì)方案l的不滿意度定義為：
(7)
這里p為距離參數(shù)，并記。綜合所有下層決策者對(duì)備選方案的不滿意度，可得到每個(gè)方案l的下層群不滿意度，即
(8)
其中Dωj是地區(qū)決策者j的權(quán)重，顯然影響大的地區(qū)權(quán)重應(yīng)更大一些。
對(duì)于政策理想點(diǎn)，可用式(4)求得其各目標(biāo)的“虛擬”相對(duì)隸屬度向量，并得第l個(gè)備選方案對(duì)于政策理想點(diǎn)的偏離度pul，并記pu=(pu1，pu2，…，pu11)。
??? 綜合上下兩層的不滿意度可得決策群體的綜合不滿意度。記第l個(gè)方案的綜合不滿意度為
(9)
其中ωU和ωL分別是上、下層決策者的權(quán)重，ωU+ωL=1。顯然，最小的就是群最滿意方案，即模糊切比雪夫多目標(biāo)群決策過程中第6步的方案μt。
由于用相對(duì)隸屬度函數(shù)統(tǒng)一了切比雪夫決策方法中不同量綱的目標(biāo)函數(shù)，模糊切比雪夫多目標(biāo)群決策模型(5)物理概念更加清晰，表述也更加清楚；同時(shí)，本方法對(duì)于解決多層次多決策者的群決策問題也提供了一種有效的途徑。
3 應(yīng)用
在第t輪迭代中，模糊切比雪夫過程產(chǎn)生了11個(gè)備選方案，其相對(duì)隸屬度矩陣如下：
各下層決策者關(guān)于目標(biāo)的權(quán)重向量分別為：(08，0，02)，(07，01，02)，(07，0，03)，(06，0，04)，(06，02，02)，(06，03，01)，(05，03，02)，(05，04，01)，(05，04，01)，(08，01，01)。用模糊優(yōu)選模型可計(jì)算得10個(gè)下層決策者的滿意方案分別為：8、1、8、8、3、1、3、3、3和1。由式(6)和式(7)可求得他們各自對(duì)各方案的不滿意度向量分別為：
Lu1=(0.043，0.013，0，0，0，0，0，0，0，0，0)
Lu2=(0，0.111，0.034，0.056，0.013，0.027，0.061，0.049，0.009，0.014，0.02)
Lu3=(0.038，0.01，0.008，0，0，0，0，0，0，0，0)
Lu4=(0.032，0.012，0.007，0，0，0，0，0，0，0，0，)
Lu5=(0.026，0.009，0，0.032，0.02，0.031，0.04，0.022，0.005，0.035，0.035)
Lu6=(0，0.076，0.102，0.051，0.04，0.06，0.062，0.24，0.019，0.043，0.064)
Lu7=(0.022，0.015，0，0.038，0.03，0.047，0.049，0.022，0.007，0.053，0.052)
Lu8=(0.022，0.019，0，0.033，0.004，0.062，0.047，0.011，0.01，0.07，0.07)
Lu9=(0.022，0.019，0，0.033，0.004，0.062，0.047，0.011，0.01，0.07，0.07)
Lu10=(0，0.093，0.049，0.033，0.013，0.023，0.037，0.024，0.007，0.014，0.020)
設(shè)市政府的政策理想點(diǎn)為，其關(guān)于目標(biāo)的權(quán)重為：(0.4，0.3，0.3)。則政策偏離度為：pu=(0.385，0.371，0.36，0.364，0.432，0.429，0.373，0.404，0.416，0.46，0.472)。其中參數(shù)p取為1。
設(shè)下層決策者權(quán)重為：Dω=(0.12，0.12，0.12，0.12，0.12，0.08，0.08，0.08，0.08，0.08)。則下層群不滿意度為：GLu=(0.022，0.036，0.018，0.022，0.011，0.027，0.031，0.033，0.006，0.026，0.029)。
設(shè)上下層權(quán)重為(ωu，ωL)=(0.4，0.6)，則可得綜合不滿意度向量為：
GTu=(0.167，0.17，0.155，0.159，0.179，0.188，0.168，0.181，0.17，0.2，0.206)。可見第3個(gè)方案具有最小不滿意度，故群的最滿意方案即為方案3，而方案11是群最不滿意方案。
4 結(jié)束語
研究結(jié)果表明：只有合理調(diào)整大連市的產(chǎn)業(yè)結(jié)構(gòu)，積極進(jìn)行開源節(jié)流，才能有效地縮小水資源需求的缺口，保持國民經(jīng)濟(jì)的穩(wěn)定發(fā)展。耗水型的重工業(yè)應(yīng)積極進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整；大力發(fā)展工業(yè)電子、信息等高新產(chǎn)業(yè)和港口、金融和旅游等第三產(chǎn)業(yè)，增加服裝、面料、醫(yī)藥、飲料和食品行業(yè)的比重。新規(guī)劃方案所需的水量比原規(guī)劃水量要少，但國民生產(chǎn)總值得到了增加，在今后一段時(shí)間內(nèi)，通過努力是可以實(shí)現(xiàn)的。
通過對(duì)決策模型的運(yùn)行結(jié)果分析，本文提出的宏觀經(jīng)濟(jì)水資源發(fā)展規(guī)劃多目標(biāo)決策模型能較好地反映大連市的實(shí)際情況，所提出的模糊切比雪夫多目標(biāo)群決策方法有效地解決了該決策問題多目標(biāo)多層次多決策者的復(fù)雜性，從而為大連市水資源開發(fā)與經(jīng)濟(jì)協(xié)調(diào)發(fā)展研究提供了一種多目標(biāo)群決策分析方法，由此開發(fā)出來的水資源綜合利用決策支持系統(tǒng)將為大連市政府作決策時(shí)提供科學(xué)依據(jù)。
參 考 文 獻(xiàn)：
［1］ 陳守煜，等.大連市水資源、環(huán)境與經(jīng)濟(jì)可持續(xù)發(fā)展研究［J］. 水 科學(xué)進(jìn)展，2001，19(3)：52-54.
［2］ 翁文斌，等.宏觀經(jīng)濟(jì)水資源規(guī)劃多目標(biāo)決策分析方法研究及應(yīng)用［J］. 水 利學(xué)報(bào)，1995，(2)：1-10
［3］ 陳家琦，王浩.水資源學(xué)概論［M］.北京：水利水電出版社，1999.
［4］ 李登峰.復(fù)雜模糊系統(tǒng)多層次多目標(biāo)多人決策理論模型方法與應(yīng)用研究［D ］.大連：大連理工大學(xué)，1995.
［5］ R E Steuer，E Choo.An interaetive weighted Tchebycheff procedure? for multiple objective programming［J］.Mathematical programming，1983，26:326-344 .
［6］ R E Steuer.Multiple Criteria Optimization:Theory Computation and Application［M］.New York:John Wiley & Sons，1986.
摘要： 在灘地種植防浪林,可以減少風(fēng)浪在堤防的爬高，是有效的生態(tài)護(hù)岸措施。為合理設(shè)計(jì)防浪林優(yōu)化布局、提高防浪林的消波效果，提出了基于模糊熵權(quán)法的防浪林布局優(yōu)選模型。在考慮防浪林的排列方式、行株距、樹干半徑、樹冠半徑和林帶寬度多種消波影響因素作用的前提下，以在提高消波效果的同時(shí)減少經(jīng)濟(jì)成本和減少占地面積為目標(biāo)進(jìn)行多目標(biāo)評(píng)價(jià)決策。以嫩江干流同盟水文站附近堤段為例，采用模糊熵權(quán)法優(yōu)選出防浪林優(yōu)化布局，推薦行株距2.5 m、林帶寬度40 m的等邊三角形排列作為嫩江干流防浪林的優(yōu)化布局。
關(guān)鍵詞： 防浪林； 優(yōu)化布局； 模糊熵權(quán)法； 嫩江干流
中圖分類號(hào)： S 759. 2 , TV 871. 2 文獻(xiàn)標(biāo)識(shí)碼： A
在汛期，很多大型河流的中下游段來水量大，水面寬闊，風(fēng)速較快，易產(chǎn)生較大的風(fēng)浪，對(duì)堤防以及堤防保護(hù)區(qū)內(nèi)人民的生命財(cái)產(chǎn)安全造成嚴(yán)重威脅。目前，在灘地種植防浪林，是一項(xiàng)可以有效降低風(fēng)浪爬高、滯洪導(dǎo)流、延長(zhǎng)堤防壽命、減少水毀工程的生態(tài)護(hù)岸措施[ 1 ]，并在我國大江大河大湖以及海濱等地段得到廣泛應(yīng)用[ 2 - 7 ]。防浪林的植被布局是一個(gè)復(fù)雜的多目標(biāo)問題， 既需要考慮多因素影響下防浪林的消波效果，又要考慮到植被場(chǎng)的種植面積與種植成本。目前，關(guān)于防浪林的研究主要集中于對(duì)植被消波機(jī)理的研究， 多采用控制變量法研究單一因素對(duì)防浪林消波效果的影響[ 8 - 11 ]，而對(duì)于防浪林的種植布局缺乏科學(xué)的規(guī)劃和定量分析。合理的植被布局可以極大地提高防浪林的消波效果，因此，研究各消波影響因素組合條件下的優(yōu)化布局，對(duì)提高防浪林消波效果、加強(qiáng)生態(tài)護(hù)坡建設(shè)具有非常重要的實(shí)際意義。
熵，是熱力學(xué)中表征體系混亂程度的參量之一，由Shannon[ 12 ]首次引入信息論中，現(xiàn)已在徑流分析、水資源配置、水文水資源不確定性分析等多個(gè)領(lǐng)域得到廣泛應(yīng)用[ 13 - 16 ]。其主導(dǎo)思想是：在多指標(biāo)的評(píng)價(jià)決策體系中，某一指標(biāo)的變化程度越大，則該指標(biāo)越重要，其權(quán)重也越大。筆者基于模糊熵權(quán)思想，提出了多目標(biāo)防浪林布局優(yōu)選模型，并應(yīng)用于嫩江干流同盟段的防浪林優(yōu)化布局設(shè)計(jì)。
1 研究區(qū)域概況
嫩江干流同盟段位于黑龍江省齊齊哈爾市東陽鎮(zhèn)，有良好的水文資料。同盟水文站附近堤段示意圖如圖1所示。堤段全長(zhǎng)均分布有雨淋沖蝕溝，堤前分布有遠(yuǎn)近不一的汊流河道，部分堤段汊流緊鄰堤腳，易產(chǎn)生近堤急流，直接破壞迎水堤坡，形成堤面洪水沖蝕破壞，局部有滲漏、脫坡現(xiàn)象；除護(hù)坡堤段外，其它堤坡坡面植被稀疏。在這些險(xiǎn)工堤段種植防浪林，可以起到消減波浪、固土護(hù)堤的作用。同盟段現(xiàn)狀防洪標(biāo)準(zhǔn)為平均10年一遇，局部最低5年一遇，預(yù)計(jì)黑龍江省嫩江干流治理工程治理后的防洪標(biāo)準(zhǔn)可達(dá)到50年一遇。研究區(qū)水面寬約5 km，風(fēng)區(qū)長(zhǎng)度為5 300 m，計(jì)算風(fēng)速為11.87 m/s，風(fēng)向?yàn)闁|南，與法線夾角為5°。按設(shè)計(jì)來水頻率為50年一遇計(jì)算，研究區(qū)設(shè)計(jì)洪水水深為1.8 m。
2 方案與方法
2. 1 嫩江干流同盟段防浪林布局方案集
目前，已有國內(nèi)外學(xué)者對(duì)防浪林消波機(jī)理、消波效果進(jìn)行了研究。綜合已有的研究成果，選擇排列方式、行株距、樹干半徑、樹冠半徑和林帶寬度為防浪林消波影響因素。課題組于2016年7月25日至2016年8月25日對(duì)嫩江干流已種植的現(xiàn)有防浪林進(jìn)行了實(shí)地勘察，測(cè)得研究區(qū)現(xiàn)有防浪林各影響因素的參數(shù)值，沿岸各地防浪林各現(xiàn)狀布局方式參數(shù)見表1。并根據(jù)章家昌公式[ 7 ]計(jì)算出各種現(xiàn)狀布局條件下（共25個(gè)方案）防浪林消波系數(shù)（表1）。
2. 2 模糊熵權(quán)法
根據(jù)Shannon信息熵的基本思想，一個(gè)指標(biāo)的熵值越大，則各方案在這一指標(biāo)下的變異程度越大，說明該指標(biāo)越重要，所對(duì)應(yīng)的權(quán)重也就越大。據(jù)此計(jì)算多目標(biāo)評(píng)價(jià)決策體系中各指標(biāo)的權(quán)重，可以得到加權(quán)綜合評(píng)價(jià)下的最優(yōu)方案。熵權(quán)法[17 - 18 ]主要有以下4個(gè)步驟：
（1）原始數(shù)據(jù)矩陣進(jìn)行標(biāo)準(zhǔn)化
由于各指標(biāo)數(shù)據(jù)的量綱、數(shù)量級(jí)有很大差異，各指標(biāo)對(duì)于優(yōu)的定義也相去甚遠(yuǎn)，故需對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使數(shù)據(jù)取值都在0~1之間。可以利用相對(duì)隸屬度對(duì)每一指標(biāo)進(jìn)行標(biāo)準(zhǔn)化。指標(biāo)的優(yōu)劣程度是一個(gè)模糊的概念，在實(shí)際決策中，通常用模糊集理論中的隸屬度函數(shù)進(jìn)行計(jì)算，常見的指標(biāo)對(duì)優(yōu)的相對(duì)隸屬度計(jì)算公式為
優(yōu)屬度向量中，數(shù)值最大的分量對(duì)應(yīng)的方案即為最優(yōu)方案，對(duì)所有分量根據(jù)數(shù)值大小進(jìn)行排列，可以得到所有方案由優(yōu)到劣的排序。
3 考慮多目標(biāo)的嫩江干流防浪林布局優(yōu)選
防浪林布局問題是一個(gè)多目標(biāo)決策問題，需要綜合考慮多個(gè)影響因素對(duì)防浪林消波的影響。出于經(jīng)濟(jì)和占地面積的考慮，希望可以用較少的植被棵數(shù)和較小的防浪林種植寬度，達(dá)到較大的消波效果。這3個(gè)目標(biāo)可以用消波系數(shù)、植被密度和林帶寬度3個(gè)指標(biāo)來表示。定義密度表示單位面積上植被的棵數(shù)，防浪林排列方式和行株距的不同，均會(huì)導(dǎo)致防浪林密度的變化，根據(jù)表1中的25個(gè)方案，計(jì)算每個(gè)方案的植被密度（表1最后一列）。采用模糊熵權(quán)法對(duì)方案進(jìn)行優(yōu)選排序，優(yōu)選時(shí)采用3個(gè)目標(biāo)條件：（1）林帶寬度越小越好；（2）消波系數(shù)越大越好；（3）植被密度越小越好。
采用熵權(quán)法對(duì)25個(gè)方案、3個(gè)指標(biāo)進(jìn)行矩陣計(jì)算，得到每一個(gè)方案的優(yōu)屬度，將所有方案按優(yōu)屬度從高到低進(jìn)行排序。
3. 1 計(jì)算相對(duì)隸屬度矩陣R
根據(jù)25個(gè)方案的種植寬度、消波系數(shù)、植被密度數(shù)據(jù)，得到本問題的相對(duì)隸屬度矩陣，繪出各方案的密度和消波系數(shù)散點(diǎn)圖（圖2）。根據(jù)散點(diǎn)分布可以看到，密度多集中在0.2~0.6的區(qū)域中，消波系數(shù)多集中于70%~85%；又由于防浪林寬度超過70 m后，消波效果增長(zhǎng)不明顯，因此可以分別定義3個(gè)約束條件的隸屬度函數(shù)如下：
3. 2 計(jì)算熵值向量H
根據(jù)式（3）計(jì)算出的林帶寬度、消波系數(shù)和植被密度的熵值分別為：
3. 3 計(jì)算熵權(quán)向量W
根據(jù)式（5）計(jì)算出的林帶寬度、消波系數(shù)和植被密度的權(quán)重分別為：
3. 4 計(jì)算優(yōu)屬度向量U
根據(jù)式（8）計(jì)算出的所有方案在優(yōu)選目標(biāo)條件下的優(yōu)屬度為：
U=0.4588 0.3956 0.3900 0.9218 L 0.5986 0.1756 0.5126 0.3289
統(tǒng)計(jì)分析所有方案優(yōu)屬度取值的分布（圖3），本研究選取0.9作為優(yōu)選閾值，從中選擇優(yōu)屬度大于0.9的方案作為較優(yōu)方案，并將這4個(gè)方案列于表2，做進(jìn)一步分析。
通過基于模糊熵權(quán)法的多目標(biāo)防浪林布局優(yōu)選模型優(yōu)選出的4個(gè)較優(yōu)方案中，防浪林行株距均為2.5 m，排列方式均為等邊三角形，這是由于在行株距為2.5 m、排列方式為等邊三角形時(shí)，密度達(dá)到最低。優(yōu)選方案的防浪林寬度為40 m或50 m，未見有方案的寬度是30 m，說明雖然在目標(biāo)中加入了“防浪林寬度越小越好”的約束，但防浪林寬度對(duì)防浪林消波具有極大的影響作用，對(duì)寬度的變化較敏感。防浪林消波效果對(duì)樹干半徑和樹冠半徑的變化不明顯，對(duì)樹干半徑的變化尤其不明顯，總體隨樹冠和樹干半徑的增大而增大。可以根據(jù)當(dāng)?shù)貥浞N供應(yīng)情況選擇種植，在保證植被正常生長(zhǎng)的前提下保持樹冠半徑盡可能大。
4 結(jié) 論
4. 1 通過基于模糊熵權(quán)法的多目標(biāo)防浪林布局優(yōu)選模型計(jì)算，推薦“防浪林行株距2.5 m，林帶寬度40 m，排列方式等邊三角形”為嫩江干流防浪林優(yōu)化布局方式， 該布局方式可以在較小的防浪林寬度和較少的植被棵數(shù)的前提下， 達(dá)到較高的消波效果。
4. 2 嫩江干流同盟段的應(yīng)用實(shí)例證明，本研究提出的基于模糊熵權(quán)法的多目標(biāo)防浪林布局優(yōu)選模型，求解過程受主觀因素影響小，切實(shí)可行。該方法可以為其他地區(qū)生態(tài)護(hù)岸工程的防浪林優(yōu)化布局設(shè)計(jì)提供指導(dǎo)和借鑒。
參考文獻(xiàn)
［1］ 張寶森， 王仲梅. 黃河鄭州段種植500 m寬防浪林可行性研究［J］. 華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005, 26(3): 71 - 73.
［2］ 張茂章， 宋正明. 不同林相結(jié)構(gòu)防浪林的消波性能計(jì)算［J］. 水利水電科技進(jìn)展, 2013, 33(6): 40 - 43.
［3］ 李錫泉， 吳敏， 湯玉喜. 洞庭湖區(qū)防浪林林分林冠結(jié)構(gòu)的研究［J］. 湖南林業(yè)科技, 2007, 34(1): 5 - 7.
［4］ 張敏， 劉洪林， 張立師. 洪澤湖大堤生物防護(hù)模式的實(shí)踐［J］. 人民長(zhǎng)江, 2008, 39(3): 54 - 56.
［5］ 劉達(dá)， 黃本勝， 邱靜， 等. 華南沿海防浪林帶種植寬度對(duì)消浪效果影響的試驗(yàn)研究［J］. 水利水電技術(shù), 2015, 46(9): 109 - 114.
［6］ 劉逸詰， 李國慶， 田曄林， 等. 近30年來山東半島東部沿海防護(hù)林動(dòng)態(tài)變化研究［J］. 林業(yè)科技， 2017， 42（2）：56-59.
［7］ 張茂章. 影響淮河中游防浪林建設(shè)的因素分析及樹種選擇［J］. 中國水利, 2015(9): 22 - 24.
［8］ 章家昌. 防波林的消波性能［J］. 水利學(xué)報(bào), 1966(2): 49 - 52.
［9］ Moller I, Spencer T. Wave dissipation over macro-tidal
saltmarshes: Effects of marsh edge typology and vegetation change［J］. Journal of Coastal Research, 2002, 36(4): 506 - 521.
［10］ 黃本勝， 吉紅香. 植物護(hù)岸對(duì)大堤波浪爬高影響試驗(yàn)初探［J］. 水利技術(shù)監(jiān)督, 2005, 13(3): 43 - 46.
[關(guān)鍵詞] 天然氣管網(wǎng) 優(yōu)化方法 建議 發(fā)展 應(yīng)用
1.我國天然氣管道發(fā)展現(xiàn)狀
自20世紀(jì)60年代我國建設(shè)了第一條輸氣管道（巴渝線）以來，經(jīng)過40余年的建設(shè)，輸氣管道事業(yè)有了很大的發(fā)展。至2001年底，全國陸上管道輸送里程達(dá)到11403.3km。由于受天然氣資源的限制，此前我國天然氣管道大部分集中在四川省境內(nèi)。四川管道輸氣里程占全國總里程的31.4%，在川內(nèi)五大氣區(qū)建設(shè)了區(qū)域性管網(wǎng)，形成了連接各氣區(qū)和主要城市的環(huán)形干線，使得天然氣輸送與調(diào)節(jié)更加靈活。從70年代起，在東北、華北和山東、西北建設(shè)了較大規(guī)模的輸氣管道，從陜北至北京的陜京線，還有正在修建的忠武線、西氣東輸管線，這些管線的建成將極大地推動(dòng)我國天然氣管道網(wǎng)的發(fā)展。但從整體而言，我國天然氣管道現(xiàn)存在的主要問題如下。
（1）管輸利用率。我國現(xiàn)有天然氣管道管徑小，壓力低，運(yùn)距短，輸量不足。大部分的管道利用率低于50%，而國外輸氣利用率一般為70%以上。
（2）舊管道自動(dòng)化水平低。四川氣田是我國氣管道比較集中的地區(qū)，目前只是在新建的北干線的個(gè)別站上實(shí)行了站控，其他均為手工控制，不能實(shí)現(xiàn)全線統(tǒng)一控制。
（3）管道能耗大、用人多、老化嚴(yán)重。全國天然氣管道單位輸氣耗氣量是國外水平的2倍左右。有相當(dāng)數(shù)量的60年代建的氣管道仍在使用，管道老化現(xiàn)象嚴(yán)重。
（4）從80年代以來2世界天然氣管道建設(shè)向地理、氣候條件惡劣區(qū)域發(fā)展。如蘇聯(lián)、挪威、美國近年來的天然氣管道建設(shè)。而我國特殊環(huán)境中（如深海、沼澤、山地等）管道施工技術(shù)方面落后。我國天然氣管道分布零散，沒有形成相互關(guān)聯(lián)的網(wǎng)絡(luò)，不能互相調(diào)配統(tǒng)一管理，管道利用率低。因此，只有規(guī)劃設(shè)計(jì)最佳效益的全國輸氣管網(wǎng)，在新建大型管道時(shí)服從統(tǒng)一的規(guī)劃，建設(shè)上水平、上檔次，才能最有效地利用天然氣資源，加速我國天然氣工業(yè)的發(fā)展。
2.管網(wǎng)規(guī)劃的方法
2.1圖論法
文獻(xiàn)中將復(fù)雜枝狀燃?xì)夤芫W(wǎng)系統(tǒng)作為研究對(duì)象,在勘察設(shè)計(jì)定線后,采用分級(jí)優(yōu)化的策略,將整個(gè)輸氣管網(wǎng)優(yōu)化設(shè)計(jì)問題分解成布局優(yōu)化、參數(shù)優(yōu)化和方案優(yōu)化3個(gè)子問題。布局優(yōu)化的目標(biāo)是使整個(gè)管線網(wǎng)絡(luò)鋪設(shè)的可行線路總長(zhǎng)最短。
根據(jù)圖論可知,輸氣管網(wǎng)系統(tǒng)可抽象為無向網(wǎng)絡(luò),氣源、壓氣站、供配氣節(jié)點(diǎn)為網(wǎng)絡(luò)節(jié)點(diǎn),兩點(diǎn)間管線為網(wǎng)絡(luò)的邊。在暫不考慮某些因素,如氣體的流向、流量分配的情況下,將這些節(jié)點(diǎn)用可能的管道聯(lián)結(jié)起來,以兩節(jié)點(diǎn)間的管段長(zhǎng)度為權(quán),保證所有管道長(zhǎng)度之和最短。這樣,輸氣管網(wǎng)布局優(yōu)化問題便轉(zhuǎn)化為求無向網(wǎng)絡(luò)的最小生成樹問題,可以采用破圈法、邊割法,但是它們的共同特點(diǎn)是都不便用計(jì)算機(jī)進(jìn)行編程處理。常用的方法有圖論中的Dijkstra算法和Kruskal算法,這些方法只能在已知固定點(diǎn)間求總長(zhǎng)最短的幾何布局。1972年,紐約大學(xué)張希國教授提出的Steiner算法有效地解決了具有較大規(guī)模的網(wǎng)絡(luò)最短樹問題。通過引入外點(diǎn)(稱為Steiner點(diǎn)) ,使求得的最短樹總長(zhǎng)要不大于用以上幾種方法求得的最短樹的總長(zhǎng)。只考慮固定點(diǎn)而不考慮引入額外點(diǎn)所形成的幾何布局(即最短樹),只是Steiner最短樹的一個(gè)特例。實(shí)際的設(shè)計(jì)結(jié)果表明:在所有求最短總長(zhǎng)管網(wǎng)布局的算法中,SI算法效果最好。
用以上幾種算法求得的管網(wǎng)布局僅是將管道投資看作其長(zhǎng)度的線性函數(shù),沒有考慮管網(wǎng)的投資費(fèi)用和運(yùn)行費(fèi)用等,實(shí)質(zhì)上求得的是初始可行解,只能作為管網(wǎng)的初始布局。實(shí)際上,管道的投資不只是管道長(zhǎng)度的線性函數(shù),管道投資函數(shù)的恰當(dāng)表示對(duì)問題的正確解決相當(dāng)關(guān)鍵。因此,管網(wǎng)系統(tǒng)布局優(yōu)化的主要困難在于其最優(yōu)布局與管道的具體參數(shù)(如流量管徑和壁厚)兩者相互關(guān)聯(lián),使問題變得很復(fù)雜。若將這2個(gè)方面分割,分別進(jìn)行優(yōu)化設(shè)計(jì),則不能達(dá)到真正的最優(yōu)。在優(yōu)化時(shí),應(yīng)將這2個(gè)子問題看作從管網(wǎng)系統(tǒng)中分解出來的2個(gè)相互關(guān)聯(lián)的子問題,不斷對(duì)二者進(jìn)行協(xié)調(diào)。
2.2動(dòng)態(tài)規(guī)劃法
動(dòng)態(tài)規(guī)劃法對(duì)一個(gè)管網(wǎng)中各節(jié)點(diǎn)的壓力進(jìn)行優(yōu)化,并通過求得的最優(yōu)壓力從設(shè)備列表中選擇相應(yīng)的管網(wǎng)元件(管道和壓縮機(jī)),使管網(wǎng)的建設(shè)和運(yùn)行費(fèi)用最低。動(dòng)態(tài)規(guī)劃法難以同時(shí)處理多決策變量的優(yōu)化問題。該方法中,壓氣站的數(shù)目和位置以及各管段的長(zhǎng)度和管徑都需要預(yù)先給定,并且不適用于處理網(wǎng)絡(luò)元件(包括管道、壓氣站、儲(chǔ)氣庫等)較多的大型網(wǎng)絡(luò)系統(tǒng)。其原因是用動(dòng)態(tài)規(guī)劃法求解時(shí)存在維數(shù)災(zāi)難:若一維狀態(tài)變量有m個(gè)取值,那么對(duì)于n維問題,狀態(tài)xk就有mn個(gè)取值,對(duì)于每個(gè)狀態(tài)值都要計(jì)算、存儲(chǔ)最優(yōu)值函數(shù)fk(xk)。對(duì)n稍大(即n=3)的實(shí)際問題的計(jì)算往往是不現(xiàn)實(shí)的,目前還沒有克服動(dòng)態(tài)規(guī)劃中維數(shù)災(zāi)難的一般方法。
2.3基于Hopfield的神經(jīng)網(wǎng)絡(luò)法
20世紀(jì)80年代,Hopfield (1982)和Tank (l985)用人工神經(jīng)網(wǎng)絡(luò)(ANN)方法求解TSP問題(travelingsalesman problem)獲得了成功。該方法是通過對(duì)神經(jīng)網(wǎng)絡(luò)引入適當(dāng)?shù)哪芰亢瘮?shù),使之與問題的目標(biāo)函數(shù)一致來確定神經(jīng)元之間的聯(lián)結(jié)權(quán),隨著網(wǎng)絡(luò)狀態(tài)的變化,其能量不斷減少,最后達(dá)到平衡時(shí),收斂到一個(gè)局部最優(yōu)解。神經(jīng)網(wǎng)絡(luò)是一種仿效生物處理模式以獲得智能信息處理功能的理論。神經(jīng)網(wǎng)絡(luò)的基本特征是大規(guī)模并行處理、容錯(cuò)性、自適應(yīng)性和自組織性。
文獻(xiàn)針對(duì)輸氣管網(wǎng)布線優(yōu)化模型,將目標(biāo)函數(shù)和約束條件合并,建立基于Hopfield神經(jīng)網(wǎng)絡(luò)輸氣管網(wǎng)布局優(yōu)化能量函數(shù)。采用Hopfield神經(jīng)網(wǎng)絡(luò)優(yōu)化方法求解輸氣管網(wǎng)布局優(yōu)化問題可有效解決動(dòng)態(tài)規(guī)劃法存在的維數(shù)障礙問題。采用兩城市間管線長(zhǎng)度作為權(quán)值,考慮到實(shí)際工程中具體情況,如特殊地形、穿跨越等,各管段投資并不一定線性近似于路線長(zhǎng)度,采用最短路徑指標(biāo)規(guī)劃輸氣管網(wǎng)存在一定局限性。可采用各點(diǎn)間投資費(fèi)用作為管網(wǎng)布線參數(shù)代替兩點(diǎn)間長(zhǎng)度,用于最優(yōu)路線選擇計(jì)算。
2.4 MCST法
Cheeseman和Graham等試圖用工業(yè)程序優(yōu)化管徑,主要集中在解決穩(wěn)定流中單相氣體的壓力分布,這種方法并不適合解決有約束條件的優(yōu)化問題。Flanigan對(duì)此進(jìn)行了改進(jìn),提出約束的最速下降法,其缺點(diǎn)是受到整個(gè)管網(wǎng)結(jié)構(gòu)設(shè)計(jì)的限制。為了更好地解決管網(wǎng)優(yōu)化設(shè)計(jì)問題,將MCST算法(最少成本分支算法)與約束導(dǎo)數(shù)法(constrained-derivatives,簡(jiǎn)稱CD法)相結(jié)合,在MCST算法確定管網(wǎng)布局的基礎(chǔ)上利用CD法優(yōu)化管網(wǎng)參數(shù)。MCST算法首先用來選擇2點(diǎn)間成本最低、跨度最小的分支,然后從2個(gè)節(jié)點(diǎn)的樹杈結(jié)構(gòu)中選擇包含3個(gè)節(jié)點(diǎn)的跨度最下的分支。重復(fù)該過程,直到連接所有點(diǎn)時(shí)停止。
2.5綜合優(yōu)化法
文獻(xiàn)[7]論述了燃?xì)夤芫W(wǎng)優(yōu)化的基本內(nèi)涵,基于準(zhǔn)邊值管網(wǎng)建立了壓力儲(chǔ)備效益函數(shù),將管網(wǎng)供氣增加能力轉(zhuǎn)換為效益價(jià)值,形成綜合的目標(biāo)函數(shù),并提出將管段配氣功能對(duì)管徑的要求納入而形成綜合約束。提出綜合優(yōu)化原理,建立了一種綜合優(yōu)化模型。
文獻(xiàn)得到2類具有準(zhǔn)邊界值的管網(wǎng)。一類是枝狀管網(wǎng),另一類是合理配管環(huán)網(wǎng)。這2類管網(wǎng)配置方案造價(jià)處于兩端,顯然有不同的壓力工況,各零點(diǎn)的壓力會(huì)在不同的水平上。因而零點(diǎn)壓力高于允許最低壓力的壓力儲(chǔ)備值會(huì)有不同,對(duì)應(yīng)于2種壓力儲(chǔ)備邊界值。利用這種造價(jià)與壓力儲(chǔ)備邊界值的對(duì)應(yīng)關(guān)系構(gòu)造另一種管網(wǎng)優(yōu)化目標(biāo)。基于準(zhǔn)邊值管網(wǎng)構(gòu)造壓力儲(chǔ)備函數(shù)以建立綜合目標(biāo)函數(shù),加以綜合約束進(jìn)行燃?xì)夤芫W(wǎng)優(yōu)化,即綜合優(yōu)化原理。
2.6約束導(dǎo)數(shù)法
對(duì)于那些具有等式約束或能將不等式約束條件化為等式約束的輸氣管道工藝參數(shù)優(yōu)化設(shè)計(jì)問題,國外學(xué)者主要使用約束導(dǎo)數(shù)法來解決。Flanigan使用約束導(dǎo)數(shù)法分別對(duì)天然氣管網(wǎng)系統(tǒng)中管道的直徑和壓縮機(jī)的功率進(jìn)行了優(yōu)化,優(yōu)化時(shí)預(yù)先給定管網(wǎng)中壓氣站的數(shù)量與位置,文獻(xiàn)將設(shè)計(jì)變量分成決策變量和狀態(tài)變量2類。約束導(dǎo)數(shù)法是一種經(jīng)典的數(shù)學(xué)規(guī)劃方法,但也只能對(duì)設(shè)計(jì)問題的局部進(jìn)行最優(yōu)化。
2.7廣義既約梯度法
Edgar等首先將廣義既約梯度法應(yīng)用于天然氣輸送網(wǎng)絡(luò)的最優(yōu)設(shè)計(jì)。此項(xiàng)技術(shù)能同時(shí)確定壓氣站的數(shù)目、2個(gè)壓氣站之間的管段長(zhǎng)和管徑以及壓氣站中壓縮機(jī)的操作工況(進(jìn)氣壓力、排氣壓力)等設(shè)計(jì)變量的最優(yōu)值,使管網(wǎng)投資和運(yùn)行費(fèi)用最低。廣義既約梯度法在解決有約束的非線性天然氣管網(wǎng)規(guī)劃問題方面具有較高效率。此算法使對(duì)所有設(shè)計(jì)變量同時(shí)進(jìn)行最優(yōu)化成為可能。但應(yīng)注意,優(yōu)化得到的最優(yōu)管道直徑只能以連續(xù)的形式給出,要得到離散的最優(yōu)管道直徑值,還需要輔以其他優(yōu)化方法,如分支定界法、次梯度優(yōu)化法等。除了上面介紹的方法外,劉恩斌等人將遺傳算法也引入了天然氣管網(wǎng)規(guī)劃中。
3.發(fā)展趨勢(shì)及建議
3.1多目標(biāo)規(guī)劃
多目標(biāo)規(guī)劃比較復(fù)雜,其關(guān)鍵是解的概念問題。在多目標(biāo)優(yōu)化問題中,各目標(biāo)函數(shù)是矛盾的。在管網(wǎng)多目標(biāo)優(yōu)化中,假設(shè)考慮降低管網(wǎng)投資與降低管網(wǎng)的動(dòng)力能耗2個(gè)目標(biāo)函數(shù),如果選用小管徑,會(huì)降低管線投資,但同時(shí)會(huì)增加液體輸送阻力,從而使管網(wǎng)的動(dòng)力能耗增高。反之,增加了管線投資。由此可知,由于目標(biāo)函數(shù)的沖突性,導(dǎo)致不能唯一地評(píng)價(jià)設(shè)計(jì)方案的優(yōu)劣。目前,解決多目標(biāo)規(guī)劃的方法通常是評(píng)價(jià)函數(shù)法、分層序列法和增量系數(shù)法等。
對(duì)管網(wǎng)進(jìn)行多目標(biāo)優(yōu)化可提供從多個(gè)方案進(jìn)行選擇的機(jī)會(huì);通過求解替換模型問題,可以把一個(gè)非優(yōu)的初始方案“有效化”;為最終決策提供依據(jù)。
3.2模糊優(yōu)化
考慮事物的模糊性,用隸屬函數(shù)作為橋梁將其數(shù)量化,從而利用傳統(tǒng)的數(shù)學(xué)方法進(jìn)行分析處理,模糊數(shù)學(xué)理論,其應(yīng)用范圍涉及自然科學(xué)、社會(huì)科學(xué)、工程技術(shù)等諸多領(lǐng)域。
隨著工程中研究對(duì)象的復(fù)雜化,必然要遇到大量的模糊因素,而現(xiàn)代信息化、人工智能化的發(fā)展,也要對(duì)模糊信息進(jìn)行識(shí)別和處理。由于工程優(yōu)化與現(xiàn)代各科學(xué)領(lǐng)域間相互交叉,新的設(shè)計(jì)理論和方法、技術(shù)不斷涌現(xiàn),工程模糊優(yōu)化應(yīng)用將更廣泛。
3.3灰色優(yōu)化
1982年,鄧聚龍教授創(chuàng)立了灰色系統(tǒng)理論。灰色系統(tǒng)是指信息不完全的系統(tǒng)。社會(huì)、經(jīng)濟(jì)系統(tǒng)一般都是以“灰元”、“灰數(shù)”、“灰關(guān)系”為特征的灰色系統(tǒng)。灰色系統(tǒng)理論以其橫斷面大、滲透性強(qiáng)的特點(diǎn),正在農(nóng)業(yè)、科教、生物、地質(zhì)、史學(xué)、軍事、行政等方面得到廣泛的應(yīng)用。當(dāng)前,已有學(xué)者對(duì)其理論在輸氣管道的優(yōu)化設(shè)計(jì),以及管道結(jié)構(gòu)的可靠性等方面進(jìn)行了探討。
綜上所述,燃?xì)夤芫W(wǎng)系統(tǒng)是大系統(tǒng),由于其復(fù)雜性、多元性,其優(yōu)化的工作量大。在今后的規(guī)劃工作中必須遵循具有先進(jìn)性、整體性和持續(xù)性原則。大力發(fā)展新的規(guī)劃軟件,同時(shí)引進(jìn)國外已經(jīng)成熟的軟件,從而提高管網(wǎng)點(diǎn)的綜合利用率,提高規(guī)劃設(shè)計(jì)和生產(chǎn)管理水平。
3.4建議
鑒于油氣管網(wǎng)規(guī)劃決策屬于半結(jié)構(gòu)化、程序化、風(fēng)險(xiǎn)型和競(jìng)爭(zhēng)型、多目標(biāo)復(fù)雜決策類型，為了提高管網(wǎng)規(guī)劃工作的效率和成果質(zhì)量，建議選擇先進(jìn)成熟的智能決策支持系統(tǒng)開發(fā)平臺(tái)，并基于該平臺(tái)開發(fā)建立包括布局優(yōu)化、管道走向優(yōu)化和管網(wǎng)參數(shù)優(yōu)化3個(gè)相互影響和制約層次的“油氣管網(wǎng)規(guī)劃決策支持系統(tǒng)（PPDSS）”，并可考慮先期開展天然氣市場(chǎng)需求預(yù)測(cè)模型、天然氣產(chǎn)運(yùn)銷模型、線路優(yōu)選模型、管網(wǎng)參數(shù)優(yōu)化模型等相關(guān)優(yōu)化模型的研究，為油氣管網(wǎng)規(guī)劃決策支持系統(tǒng)的建設(shè)積累經(jīng)驗(yàn)和數(shù)據(jù)打下良好的基礎(chǔ)。
參考文獻(xiàn):
[1]劉恩斌,彭善碧,李長(zhǎng)俊等.基于遺傳算法的天然氣集輸管網(wǎng)參數(shù)優(yōu)化設(shè)計(jì)[J].管道技術(shù)與設(shè)備,2004(4)：1-3.
[2]李波,余紅偉.管網(wǎng)布局規(guī)劃技術(shù)綜述[J].石油規(guī)劃設(shè)計(jì),2001,12(1)：16-18.
[3]李長(zhǎng)俊.天然氣管道輸送[M].北京：石油工業(yè)出版社,2000
[4]李余斌,黃坤等.城市天然氣管網(wǎng)規(guī)劃現(xiàn)狀[J].油氣儲(chǔ)運(yùn),2006,25(10)：10-16
[5]蘇欣,袁宗明,張琳等.城市天然氣管網(wǎng)規(guī)劃現(xiàn)狀[J].西南石油大學(xué),2006（4）：5-7
[6]楊祖佩,高愛茹.我國天然氣管道的現(xiàn)狀和發(fā)展[J],中國石油管道分公司管道科技研究中心,2002.
[7] 嚴(yán)銘卿.燃?xì)夤芫W(wǎng)綜合優(yōu)化原理.煤氣與熱力，2003，12(12)：741-745
[8]劉賀群,于洋.我國天然氣管網(wǎng)發(fā)展現(xiàn)狀和趨勢(shì)[J],中國石油天然氣股份有限公司規(guī)劃總院,2005,13（12）：11-12
關(guān)鍵詞：提高；火力發(fā)電廠；鍋爐；效率；思考
中圖分類號(hào)：TM62文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：
在對(duì)提高能源燃燒效率和保護(hù)環(huán)境的要求越來越緊迫的情況下，原有的電廠鍋爐的燃燒系統(tǒng)已無法適應(yīng)這一要求。需要通過先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)技術(shù)、統(tǒng)計(jì)學(xué)回歸分析和模糊數(shù)學(xué)等工具，為鍋爐系統(tǒng)多重的輸入和輸出運(yùn)行參數(shù)之間建立起多維耦合關(guān)系，在安全性和可靠性的多重限制條件下達(dá)到鍋爐系統(tǒng)全面優(yōu)化。但是這種優(yōu)化僅僅只是在原有系統(tǒng)上的改進(jìn)，也會(huì)隨著時(shí)代需求而落伍。所以必須把握好鍋爐的發(fā)展趨勢(shì)和要求，不斷研究出具有滿足未來時(shí)期要求的先進(jìn)鍋爐和燃燒控制系統(tǒng)，來保證國家能源戰(zhàn)略的順利實(shí)施。
1 火力發(fā)電廠鍋爐介紹
1.1鍋爐的結(jié)構(gòu)
鍋爐是一種生產(chǎn)蒸汽或熱水的換熱設(shè)備按功能包括兩大部分。一部分是通過燃燒煤、油、氣及其他燃料將化學(xué)能轉(zhuǎn)化為熱能另一部分是各種形式的受熱面將燃料燃燒釋放出的熱能通過各種傳熱方式傳遞給爐水使之升溫、汽化、過熱以產(chǎn)生所需要的蒸汽或加熱所需要的高溫?zé)崴﹦?dòng)力機(jī)械或其他設(shè)備使用。鍋爐的組成鍋爐的組成通常燃料的燃燒過程在爐膛內(nèi)進(jìn)行形成爐的概念蒸汽或熱水在鍋筒、水冷壁、對(duì)流受熱面等內(nèi)部形成形成鍋的概念。形象理解形象理解鍋用來裝要被加熱的水或其它介質(zhì)的容器爐加熱鍋的裝置。爐鍋鍋爐幾個(gè)重要概念幾個(gè)重要概念鍋的組成部分汽包鍋筒、水冷壁、過熱器、再熱器、省煤器、空汽預(yù)熱器爐的組成部分爐膛、燃燒器。鍋爐本體爐膛、燃燒器、鍋筒、水冷壁、對(duì)流受熱面、鋼架和爐墻等組成鍋爐的主要部件稱為鍋爐本體。鍋爐的其他重要輔機(jī)磨煤機(jī)、燃料輸配送裝置及管道、送引風(fēng)裝置及管道、給排水裝置、水處理設(shè)備及管道、除塵及除灰系統(tǒng)、控制系統(tǒng)等。
1.2鍋爐的工作原理
鍋爐工作過程有三個(gè)基本過程：燃料的燃燒過程；爐與鍋爐的傳熱過程；水的汽化與過熱過程。燃爐室燃爐所用燃料有煤粉、液體燃料和氣體燃料可分別稱為煤粉爐、燃油爐和燃?xì)鉅t。室燃爐的燃料由輸送管道通過燃燒器送入爐膛中燃燒燃燒所需要的空氣由一次風(fēng)管、二次風(fēng)管以及三次風(fēng)管分別送入。燃爐由手工方式或機(jī)械方式向爐膛內(nèi)送煤，燃燒所需的空氣由風(fēng)機(jī)送入燃料層下的送風(fēng)倉，透過燃燒層進(jìn)行燃燒產(chǎn)生高溫?zé)煔狻ｅ伵c爐的傳熱爐膛換熱方式主要以輻射換熱為主，過熱器的傳熱方式既有輻射換熱又有對(duì)流換熱，再熱器以對(duì)流換熱為主。對(duì)流受熱面注意省煤器與空氣預(yù)熱器都是對(duì)流受熱面。
2 火力發(fā)電廠鍋爐運(yùn)行現(xiàn)狀及系統(tǒng)優(yōu)化
2.1火力發(fā)電廠的運(yùn)行現(xiàn)狀
現(xiàn)在火力發(fā)電廠的運(yùn)行控制系統(tǒng)主要包括性能監(jiān)測(cè)系統(tǒng)和狀態(tài)檢修系統(tǒng)。這兩個(gè)系統(tǒng)目前均使用共同的運(yùn)行參數(shù)，但是各自的性能參數(shù)在某些需求下有重疊和矛盾。在這種情況下，有可能會(huì)對(duì)設(shè)備造成，同時(shí)由于分散控制的模式，使其無法協(xié)調(diào)優(yōu)化控制系統(tǒng)。目前的運(yùn)行控制系統(tǒng)系統(tǒng)是分散式控制系統(tǒng)，其控制單元只能對(duì)輸入?yún)?shù)與輸出目標(biāo)進(jìn)行分散控制，這樣就缺乏系統(tǒng)協(xié)調(diào)控制功能，因此無法全面維持系統(tǒng)的持續(xù)運(yùn)行。傳統(tǒng)的鍋爐運(yùn)行設(shè)計(jì)途徑是依靠電腦微分方程獲得。在設(shè)計(jì)，制造，安裝，控制，運(yùn)行各個(gè)環(huán)節(jié)中，包含許多未知數(shù)。在設(shè)計(jì)過程中加入了大量放大的安全系統(tǒng)來涵蓋這些未知情況，導(dǎo)致實(shí)際的運(yùn)行狀況與設(shè)計(jì)的情況有相當(dāng)?shù)牟罹唷Ｒ虼耍仩t熱力系統(tǒng)具有可以挖掘的冗余空間。傳統(tǒng)的熱力試驗(yàn)方法存在片面性和局限性。現(xiàn)有的系統(tǒng)機(jī)組性能監(jiān)測(cè)軟件只能做到通過數(shù)據(jù)采集提供一些實(shí)時(shí)的分析數(shù)據(jù)，無法自動(dòng)控制，而且其軟件僅針對(duì)電廠的要求，而沒有優(yōu)化鍋爐的性能指標(biāo)。同時(shí)，現(xiàn)有的系統(tǒng)只能做到通過數(shù)據(jù)采集提供一些實(shí)時(shí)的分析數(shù)據(jù)，無法提供實(shí)時(shí)有效的操作效果的變化趨勢(shì)。
另外，鍋爐的控制系統(tǒng)控制方式與控制邏輯過于簡(jiǎn)單，無法實(shí)現(xiàn)鍋爐系統(tǒng)的整體協(xié)調(diào)控制，而且鍋爐運(yùn)行的安全主要依靠原有運(yùn)行系統(tǒng)中的保護(hù)系統(tǒng)。即使鍋爐廠商提品運(yùn)行手冊(cè)和指導(dǎo)，但是這些僅僅能夠保證鍋爐系統(tǒng)在一定程度維持系統(tǒng)持續(xù)的穩(wěn)定運(yùn)行，這離達(dá)到系統(tǒng)優(yōu)化運(yùn)行的目標(biāo)還很遙遠(yuǎn)。例如在氧量和配煤的組合方式以及輻射熱與對(duì)流熱合理分配上都還不能達(dá)到預(yù)想的目標(biāo)，降低了運(yùn)行效率。而且，這些系統(tǒng)的運(yùn)行僅僅都還是依靠運(yùn)行人員的經(jīng)驗(yàn)和智慧，這無法有效解決鍋爐系統(tǒng)的多目標(biāo)參數(shù)與多輸入變量之間的協(xié)調(diào)控制優(yōu)化組合的問題。
2.2火力發(fā)電廠的運(yùn)行優(yōu)化
鍋爐運(yùn)行優(yōu)化系統(tǒng)是一套對(duì)鍋爐系統(tǒng)性能進(jìn)行多目標(biāo)全面優(yōu)化的系統(tǒng)，可解決的問題有：熱效率、煤耗、減溫水量與排煙溫度的改進(jìn)，控制過熱器與再熱器超溫和受熱面結(jié)焦結(jié)渣，氮氧化物、飛灰含碳量等的減低。其關(guān)鍵是優(yōu)化系統(tǒng)實(shí)現(xiàn)協(xié)調(diào)控制并挖掘了鍋爐系統(tǒng)的冗余空間。用戶即可選擇優(yōu)化系統(tǒng)對(duì)鍋爐運(yùn)行進(jìn)行多目標(biāo)優(yōu)化，也可針對(duì)電廠自身的需求選擇著重優(yōu)化對(duì)象。
2.2.1工作范圍的優(yōu)化
原有的運(yùn)行有很多關(guān)聯(lián)度較小的或者冗余的變量，為了簡(jiǎn)化優(yōu)化系統(tǒng)的難度，可針對(duì)不同電廠存在的問題，通過試驗(yàn)設(shè)計(jì)來選擇關(guān)鍵性的運(yùn)行參數(shù)進(jìn)行相應(yīng)的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，使其達(dá)到人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練快速收斂的要求，以此來達(dá)到運(yùn)行優(yōu)化。
2.2.2工作原理的優(yōu)化
優(yōu)化系統(tǒng)能夠通過有選擇的數(shù)據(jù)快速采集，同時(shí)通過人工神經(jīng)網(wǎng)絡(luò)模型計(jì)算出對(duì)鍋爐效率影響較大的數(shù)據(jù)，提供給運(yùn)行人員進(jìn)行相應(yīng)的跟蹤分析和調(diào)整，從而達(dá)到優(yōu)化鍋爐燃燒的目的。優(yōu)化系統(tǒng)能將電廠鍋爐的性能優(yōu)化指標(biāo)，量化為具體參數(shù)進(jìn)行優(yōu)化控制。該系統(tǒng)能夠通過建立鍋爐系統(tǒng)運(yùn)行參數(shù)間的關(guān)系和系統(tǒng)的特性，進(jìn)行全面優(yōu)化。
2.2.3工作依據(jù)的優(yōu)化
原有的常用機(jī)組性能監(jiān)測(cè)軟件依據(jù)常規(guī)測(cè)點(diǎn)，優(yōu)化系統(tǒng)在引進(jìn)相關(guān)常規(guī)測(cè)點(diǎn)的同時(shí)引入了關(guān)鍵的中間過程參數(shù)光譜在線測(cè)溫儀，并將其布置在鍋爐輻射區(qū)和對(duì)流區(qū)的分界區(qū)域。爐膛出口煙溫通過在線實(shí)時(shí)監(jiān)測(cè)獲得。該參數(shù)的引入使鍋爐運(yùn)行優(yōu)化系統(tǒng)在控制對(duì)流受熱面管壁溫度和減溫水投放、輻射受熱面積灰結(jié)焦和智能吹灰、氮氧化物排放等方面起到了良好的效果。
2.2.4系統(tǒng)優(yōu)化效益
在鍋爐運(yùn)行過程中各輸入變量與指標(biāo)參數(shù)之間存在著復(fù)雜的相關(guān)性。任意一個(gè)調(diào)節(jié)參數(shù)的變化將可能引起多個(gè)反映參數(shù)的變化，通過喜用優(yōu)化之后，取得了一些效果。在改造效果上，優(yōu)化后的氮氧化物排放量原有排放量要低，同時(shí)降低了溫度，延長(zhǎng)鍋爐部件使用壽命，有效降低鍋爐維修費(fèi)用。在經(jīng)濟(jì)效益上，降低了單位生產(chǎn)電力的煤耗，節(jié)約了大量的購煤經(jīng)費(fèi)。同時(shí)排放物的減少也為國家節(jié)儉了大量的環(huán)境治理費(fèi)用。
3 火力發(fā)電廠的發(fā)展趨勢(shì)
發(fā)電廠鍋爐的優(yōu)先發(fā)展是緊緊圍繞著提高效率和保護(hù)環(huán)境這兩個(gè)發(fā)展趨勢(shì)來規(guī)劃設(shè)計(jì)的。現(xiàn)在主要是朝具有如下特點(diǎn)的來規(guī)劃發(fā)展新興鍋爐。
3.1高參數(shù)大容量
提高鍋爐的蒸汽壓力和溫度，是提高發(fā)電廠效率的有效辦法，例如采用超臨界壓力比采用壓臨界壓力的鍋爐，其發(fā)電效率將會(huì)提高。
3.2低污染燃燒
通過具有低氮氧化物燃燒器和爐內(nèi)脫硫功能的鍋爐來減少各種氮氧化物的排放，其尋求的是在滿足污染物排放密度標(biāo)準(zhǔn)下，減少運(yùn)行費(fèi)用，同時(shí)保護(hù)環(huán)境。
3.3 蒸汽—燃?xì)饴?lián)合循環(huán)
通過熱力學(xué)可以證明，在同等參數(shù)下，采用聯(lián)合循環(huán)方式的效率遠(yuǎn)遠(yuǎn)大于采用單種燃燒方式，同時(shí)其非常好的脫硫功能也使其具有優(yōu)良的環(huán)保性能。
3.4 有效利用劣質(zhì)燃料
工業(yè)劣質(zhì)燃料各種低值燃燒煤和煤礦石等可燃垃圾，通過研究高效無煙燃燒技術(shù)和循環(huán)流化床鍋爐，將能夠使劣質(zhì)燃料得到充分利用。
4 結(jié)束語
在現(xiàn)在國家能源急迫需求下，電力生產(chǎn)得到了空前提高，因此，電力生產(chǎn)的效率和成本也需要得到提高以適應(yīng)國家能源戰(zhàn)略的調(diào)整。現(xiàn)有的電力鍋爐運(yùn)行系統(tǒng)顯得跟不上步伐，因此需要改造鍋爐的運(yùn)行優(yōu)化系統(tǒng)以提高效率和質(zhì)量。優(yōu)化系統(tǒng)是基于現(xiàn)代控制理論研究開發(fā)的過程優(yōu)化控制系統(tǒng)，通過引進(jìn)先進(jìn)的系統(tǒng)理念和思想，并結(jié)合國內(nèi)燃煤電廠實(shí)際情況進(jìn)行了適應(yīng)性改進(jìn)。并且在國內(nèi)多家電廠得到了實(shí)驗(yàn)驗(yàn)證，取得了很大效益。
參考文獻(xiàn)：
【關(guān)鍵詞】：需求響應(yīng)；電網(wǎng)規(guī)劃；現(xiàn)狀；展望
1、需求側(cè)響應(yīng)策略
需求側(cè)響應(yīng)DR）的概念是美國在進(jìn)行了電力市場(chǎng)化改革后，針對(duì)電力需求側(cè)管理如何在競(jìng)爭(zhēng)市場(chǎng)中充分發(fā)揮作用，以維護(hù)系統(tǒng)可靠性和提高系統(tǒng)運(yùn)行效率而提出的。需求側(cè)響應(yīng)可以從不同的角度去理解，它可以是用戶對(duì)電力市場(chǎng)相應(yīng)的措施，如激勵(lì)機(jī)制等作出的響應(yīng)（參與改變常規(guī)的電能消費(fèi)模式），也可以認(rèn)為是一種資源的節(jié)約（減小高峰負(fù)荷、減少裝機(jī)容量）。對(duì)于電力市場(chǎng)發(fā)展較快的國家，需求側(cè)響應(yīng)可以分為“基于價(jià)格的需求側(cè)響應(yīng)”和“基于激勵(lì)的需求側(cè)響應(yīng)”兩大類。基于價(jià)格的需求側(cè)響應(yīng)是：用戶按照電價(jià)的不同（包括分時(shí)電價(jià)、實(shí)時(shí)電價(jià)和尖峰電價(jià)等）來調(diào)整自身用電情況。用戶根據(jù)自身情況調(diào)整用電時(shí)間，充分利用低電價(jià)時(shí)段，減少電費(fèi)支出。對(duì)于這一類用戶，可以與實(shí)施需求側(cè)響應(yīng)的機(jī)構(gòu)簽訂相關(guān)的定價(jià)合同，需要時(shí)用戶自愿決定是否參與負(fù)荷調(diào)整。
基于激勵(lì)的需求側(cè)響應(yīng)是：實(shí)施需求側(cè)響應(yīng)的機(jī)構(gòu)在系統(tǒng)可靠性受到影響或者電價(jià)較高時(shí)，根據(jù)已制定的可行激勵(lì)機(jī)制來激勵(lì)用戶及時(shí)響應(yīng)并削減負(fù)荷。其方法有直接負(fù)荷控制、需求側(cè)競(jìng)價(jià)、緊急需求側(cè)響應(yīng)等。激勵(lì)費(fèi)率有電價(jià)折扣或者削減負(fù)荷賠償兩種。對(duì)于參與這一類需求側(cè)響應(yīng)的用戶，需要與實(shí)施需求側(cè)響應(yīng)的機(jī)構(gòu)簽署合同。
本文引入的緊急需求側(cè)響應(yīng)是激勵(lì)型需求側(cè)響應(yīng)中的一種。緊急需求側(cè)響應(yīng)策略是指在出現(xiàn)影響可靠性的事故時(shí)削減用戶負(fù)荷，并根據(jù)系統(tǒng)運(yùn)營機(jī)構(gòu)設(shè)置的激勵(lì)性的支付價(jià)格對(duì)消費(fèi)者進(jìn)行補(bǔ)償。這種削減是自愿的，激勵(lì)性的支付價(jià)格也是事先規(guī)定好的，在美國一般是0.35-0.5美元/（kW?h）。規(guī)劃中考慮把通過緊急需求側(cè)響應(yīng)策略而節(jié)省的電能變?yōu)橐环N資源，綜合規(guī)劃考慮供需雙方，以達(dá)到取得更好的社會(huì)及經(jīng)濟(jì)效益的目的。其優(yōu)勢(shì)在電力用戶、電力企業(yè)、社會(huì)等幾方面均有體現(xiàn)。
2、考慮需求響應(yīng)的電網(wǎng)規(guī)劃研究展望
2.1由于我國多地風(fēng)電、光伏發(fā)電呈基地特性，直接接入輸電網(wǎng)。但目前將需求響應(yīng)考慮進(jìn)輸電網(wǎng)規(guī)劃的研究相對(duì)較少，因此我們應(yīng)加強(qiáng)研究需求響應(yīng)對(duì)輸電網(wǎng)規(guī)劃的影響。
2.2由于低碳經(jīng)濟(jì)發(fā)展的需要，分布式發(fā)電、電動(dòng)汽車等將在中國得到大力發(fā)展，他們主要接入配電網(wǎng)。因此，在配電網(wǎng)規(guī)劃中，考慮需求響應(yīng)的影響，探尋如何提升分布式發(fā)電的滲透率，如何實(shí)現(xiàn)充電站優(yōu)化配置，都具有較大研究空間。
2.3將電力供應(yīng)側(cè)和需求側(cè)的各種形式的資源綜合成為一個(gè)整體進(jìn)行規(guī)劃，努力實(shí)現(xiàn)縱向源―網(wǎng)―荷―儲(chǔ)―DR協(xié)調(diào)優(yōu)化，從而達(dá)到整個(gè)規(guī)劃系統(tǒng)的社會(huì)總成本最小。
2.4注重多目標(biāo)優(yōu)化。一般來講，規(guī)劃問題大多都是抽象為一個(gè)投資成本最小化的優(yōu)化問題。但隨著清潔能源和分布式發(fā)電的快速發(fā)展以及節(jié)能減排壓力的日益增大，規(guī)劃的目標(biāo)不再局限于投資成本最小，投資成本和運(yùn)行成本最小、可靠性高、碳排放少、清潔能源滲透率高等都將成為優(yōu)化目標(biāo)，但這些目標(biāo)大多是相互沖突的。因此，開展多目標(biāo)優(yōu)化的電網(wǎng)規(guī)劃將是一個(gè)必然趨勢(shì)。
2.5針對(duì)復(fù)雜優(yōu)化問題的求解算法的研究。隨著在規(guī)劃中考慮因素的日益增多，各種類型的約束條件越來越復(fù)雜，電網(wǎng)規(guī)劃問題已經(jīng)從最初的單目標(biāo)線性優(yōu)化問題變成了多目標(biāo)、非線性、非凸、混合整數(shù)優(yōu)化問題。未來，以大規(guī)模風(fēng)能和太陽能發(fā)電為主的可再生能源在整個(gè)電源結(jié)構(gòu)中的比例將持續(xù)增長(zhǎng)，由于其出力的波動(dòng)性和間歇性，發(fā)電側(cè)將不再可控。同時(shí)，隨著分布式發(fā)電和電動(dòng)汽車的普及、用戶儲(chǔ)能技術(shù)的提升，需求側(cè)的隨機(jī)性也在逐漸增大。
2.6目前，由于技術(shù)手段、市場(chǎng)等方面的原因，在電網(wǎng)規(guī)劃中基本都是考慮的基于激勵(lì)的需求響應(yīng)，基于電價(jià)的需求響應(yīng)考慮太少。隨著我國電力體制改革的進(jìn)一步深入、售電側(cè)的逐步放開，電力市場(chǎng)是一個(gè)大趨勢(shì)，各種基于價(jià)格的需求響應(yīng)將具有廣闊的前景。因此，在電網(wǎng)規(guī)劃中應(yīng)提前做好相應(yīng)的技術(shù)儲(chǔ)備，深入研究基于價(jià)格的需求響應(yīng)對(duì)電網(wǎng)規(guī)劃的影響。
2.7規(guī)劃運(yùn)行聯(lián)合優(yōu)化。以往的電網(wǎng)規(guī)劃一般都是單純講規(guī)劃，較少考慮實(shí)際運(yùn)行。在電網(wǎng)規(guī)劃中引入需求響應(yīng)后，規(guī)劃和運(yùn)行的聯(lián)系更加緊密，將規(guī)劃和運(yùn)行進(jìn)行聯(lián)合優(yōu)化，以期得到一個(gè)綜合效益最好的規(guī)劃方案，并為運(yùn)行方式的安排提供有力支撐，將是電網(wǎng)規(guī)劃的發(fā)展趨勢(shì)之一。
結(jié)語
伴隨著我國經(jīng)濟(jì)增長(zhǎng)速度的放緩，電力需求的增長(zhǎng)速度變慢，在今后較長(zhǎng)時(shí)間內(nèi)，我國電網(wǎng)規(guī)劃將由“擴(kuò)張保供”的思路轉(zhuǎn)變?yōu)閮?yōu)質(zhì)低碳經(jīng)濟(jì)的電力供應(yīng)。隨著電源側(cè)大規(guī)模風(fēng)電等可再生能源發(fā)電及分布式發(fā)電數(shù)量的增加，用戶側(cè)電動(dòng)汽車、儲(chǔ)能等的增加，系統(tǒng)不確定性日益加大。為了系統(tǒng)的穩(wěn)定運(yùn)行，可采取以下兩種可行措施來克服系統(tǒng)的不確定性：一是增加使用化石能源的發(fā)電廠作為系統(tǒng)備用電源，并加強(qiáng)電網(wǎng)網(wǎng)架建設(shè)，這種方案投資較大；二是將需求響應(yīng)看作一種可控資源（既可以看作是可控電源，又可看作是可控負(fù)荷），用它克服系統(tǒng)的不確定性，這種方案可減少或延緩電源和電網(wǎng)的容量建設(shè)，投資較小。為了使需求響應(yīng)最大程度的發(fā)揮效益，需將其作為一種重要資源納入電網(wǎng)規(guī)劃。隨著電網(wǎng)規(guī)劃考慮因素的日益增多，不論是系統(tǒng)模型，還是求解算法，都需要進(jìn)一步深入研究。
【參考文獻(xiàn)】：
