论文部分内容阅读
摘要：随着社会经济的发展，开拓新的思路，建立能够涵盖管网规划、设计和运行管理等多阶段的优化模型，将是今后天然气管网优化问题的一个研究方向。
关键词：天然气管网 系统 优化
20世纪60年代以来，一些发达国家就开始了天然气管网系统最优化的理论研究与应用探索。
国内的研究开始于20世纪80年代，刘扬、汪玉春、李长俊、李波等人也在这方面进行了深入研究并取得了一定成果。随着计算机技术及新兴最优化算法的出现和发展，现针对天然气管网系统最优化研究的典型理论方法进行分析
一、问题描述
按照工程项目的生命周期过程，天然气管网优化研究涵盖了管网的规划、设计、运行管理和改扩建等阶段。
1.管网系统规划优化
二、优化方法及其应用
1.人工神经网络（Artificial Neural Networks）
人工神经网络（ANN）是由大量非常简单的处理单元（人工神经元、电子元件、光电元件等）按照一定的结构模式广泛互连而形成的复杂网络系统，是一种可以用电子线路来实现，也可以用计算机程序来模拟的数学模型。通常用于优化算法模型的是Hopfield网络模型。其基本原理是将优化问题的目标函数和约束条件映射为神经网络非线性动力学系统的计算能量函数，将优化问题的最优解映射为非线性动力学系统的稳定平衡态，利用人工神经网络的并行分布式计算结构和非线性动力学系统的动态演化机制，实现优化问题的快速求解。
神经网络模型因具有大规模并行处理、高度非线性、快速收敛于稳定平衡等优点，而被作为一种优化算法模型应用于许多复杂问题的求解中。但神经网络用于优化计算时，其稳定状态可能对应于能量函数的局部最小点，导致寻优过程陷入局部最优。可以引入遗传算法（GA）对神经网络的连接权值进行优化学习，利用GA的寻优能力来获取最佳权值，从而跳出局部最优。
ANN可以用于管网的优化设计和优化调度中，并在提高管网系统优化的计算效率方面具有显著的效果。
2.进化计算（Evolutionary Computation）
进化计算（EC）是遗传算法（GA）、进化规划（EP）和进化策略（ES）的统称，是基于“适者生存”的一类高度并行、随机和自适应的优化算法。区别于传统优化算法，EC的特点在于，对问题参数编码成“染色体”后进行进化操作，而不针对参数本身，从而不受函数约束条件的限制，例如连续性、可导性等。搜索过程从问题解的一个集合开始，而不是单个个体，具有隐含并行搜索特性，大大减小了陷入局部极小的可能性。遗传操作具有随机性，并根据个体的适配值信息进行搜索，而无需其它信息。其优越性则主要表现在，算法进行全空间并行搜索，并将搜索重点集中在性能高的部分，从而能提高效率且不易陷入局部极小，具有固有的并行性，通过对种群的遗传变异可处理大量的模式，且容易并行实现。
目前，遗传算法在天然气、石油、城市给排水和农业灌溉管网中都有了一定的应用。
3.蛙跳算法（Shuffled Frog Leaping Algo-rithm）
蛙跳算法（SFLA）是用于解决离散优化问题的启发式算法。这种搜索方法在概念上同粒子群优化相似，它是一种受自然模仿启示而产生的基于总体的协同搜索方法，在局部搜索中采用生物从一个个体向另一个个体传播思想的模拟进化方式。拖曳策略允许局部搜索中的信息交换，从而逼近全局最优解。
参考文献
[1]刘扬.魏立新等：油气集输系统拓扑布局优化的混合遗传算法，油气储运，2003，22（6）.
[2]严宏东汪玉春等：用改进混沌综合法实现热油管道的优化设计，油气储运，2005，24（2）.
[3]张其敏.汪玉春等：天然气管道模糊优化设计，油气储运，2005，24（1）.
关键词：天然气管网 系统 优化
20世纪60年代以来，一些发达国家就开始了天然气管网系统最优化的理论研究与应用探索。
国内的研究开始于20世纪80年代，刘扬、汪玉春、李长俊、李波等人也在这方面进行了深入研究并取得了一定成果。随着计算机技术及新兴最优化算法的出现和发展，现针对天然气管网系统最优化研究的典型理论方法进行分析
一、问题描述
按照工程项目的生命周期过程，天然气管网优化研究涵盖了管网的规划、设计、运行管理和改扩建等阶段。
1.管网系统规划优化
二、优化方法及其应用
1.人工神经网络（Artificial Neural Networks）
人工神经网络（ANN）是由大量非常简单的处理单元（人工神经元、电子元件、光电元件等）按照一定的结构模式广泛互连而形成的复杂网络系统，是一种可以用电子线路来实现，也可以用计算机程序来模拟的数学模型。通常用于优化算法模型的是Hopfield网络模型。其基本原理是将优化问题的目标函数和约束条件映射为神经网络非线性动力学系统的计算能量函数，将优化问题的最优解映射为非线性动力学系统的稳定平衡态，利用人工神经网络的并行分布式计算结构和非线性动力学系统的动态演化机制，实现优化问题的快速求解。
神经网络模型因具有大规模并行处理、高度非线性、快速收敛于稳定平衡等优点，而被作为一种优化算法模型应用于许多复杂问题的求解中。但神经网络用于优化计算时，其稳定状态可能对应于能量函数的局部最小点，导致寻优过程陷入局部最优。可以引入遗传算法（GA）对神经网络的连接权值进行优化学习，利用GA的寻优能力来获取最佳权值，从而跳出局部最优。
ANN可以用于管网的优化设计和优化调度中，并在提高管网系统优化的计算效率方面具有显著的效果。
2.进化计算（Evolutionary Computation）
进化计算（EC）是遗传算法（GA）、进化规划（EP）和进化策略（ES）的统称，是基于“适者生存”的一类高度并行、随机和自适应的优化算法。区别于传统优化算法，EC的特点在于，对问题参数编码成“染色体”后进行进化操作，而不针对参数本身，从而不受函数约束条件的限制，例如连续性、可导性等。搜索过程从问题解的一个集合开始，而不是单个个体，具有隐含并行搜索特性，大大减小了陷入局部极小的可能性。遗传操作具有随机性，并根据个体的适配值信息进行搜索，而无需其它信息。其优越性则主要表现在，算法进行全空间并行搜索，并将搜索重点集中在性能高的部分，从而能提高效率且不易陷入局部极小，具有固有的并行性，通过对种群的遗传变异可处理大量的模式，且容易并行实现。
目前，遗传算法在天然气、石油、城市给排水和农业灌溉管网中都有了一定的应用。
3.蛙跳算法（Shuffled Frog Leaping Algo-rithm）
蛙跳算法（SFLA）是用于解决离散优化问题的启发式算法。这种搜索方法在概念上同粒子群优化相似，它是一种受自然模仿启示而产生的基于总体的协同搜索方法，在局部搜索中采用生物从一个个体向另一个个体传播思想的模拟进化方式。拖曳策略允许局部搜索中的信息交换，从而逼近全局最优解。
参考文献
[1]刘扬.魏立新等：油气集输系统拓扑布局优化的混合遗传算法，油气储运，2003，22（6）.
[2]严宏东汪玉春等：用改进混沌综合法实现热油管道的优化设计，油气储运，2005，24（2）.
[3]张其敏.汪玉春等：天然气管道模糊优化设计，油气储运，2005，24（1）.