多目标遗传算法在水资源优化配置中的应用

刘喜峰等

摘 要：以四平市为例，通过多目标遗传算法对规划水平年的配水方案加以优化，得出四平市水资源最优配置结果。同时根据四平市水资源现状，提出实现优化配置的措施，为该地区水资源可持续发展提供参考。

关键词：遗传算法；多目标；决策；水资源

中图分类号：TV213.9；C934 文献标识码：A 文章编号：2095-6835（2014）07-0121-02

在各国社会和经济发展中，水资源是不可或缺的。然而在中国，水资源目前却面临许多问题，主要表现为地区分布不均和供需矛盾突出。因此，亟需进行水资源优化配置，即在既定的水资源约束条件下，合理调配有限的水资源量，寻求经济、社会和生态三者综合效益的最大值，借以提高其利用率，实现水资源的可持续发展。本文拟构建水资源优化配置模型，并以四平市水资源综合系统现状为基准，研究四平市各地区之间水资源配置方案，为区域水资源的可持续开发和利用提供决策依据。

1 水资源多目标规划模型的建立

水资源优化配置属于多目标优选决策问题，需建立模型，其一般表达式如下：

遗传算法是一种适合多目标优化决策的方法。通常多目标问题的最优解不只一个，而是会形成一组最优解集，称为Pareto解。利用传统的优化方法每次只能随机得到Pareto解中的一个，而使用遗传算法能得到更多的解。多目标遗传算法的目标是构造非支配集，并使其不断逼近最优解集，最终达到优化。

在区域水资源优化配置问题中，采用多目标遗传算法优化过程为：以分给各地区各用户的水量作为决策变量，对决策变量进行编码，形成初始可行解集（即生成几组初始配水方案），然后代入构建的优化模型中，通过判断每个解的优劣程度来进行淘汰和选择，从而产生新一代可行解集，重复该优化过程，直到出现一组最优解集，从而完成水资源优化配置。

该算法在MATLAB编程过程中，除需编码随机产生的初始个体、确定目标函数（也称为适应度函数）外，还需设定种群大小、交叉率、变异率和最大进化代数等。

3 实例分析

四平市水资源总量不足，时空分布不均，人均水资源占有量低，属于重度缺水地区。结合本文研究区的实际情况，选取2020年作为规划水平年，并按照当地的规划要求，最终确定了两个目标，即区域的经济效益最大和供水满意度最高，目标权重系数初步拟定为0.6和0.4.

3.1 子区划分

研究区按照行政可以分为四平市区、梨树县、公主岭市、双辽市和伊通县，经层次分析法计算，各子区权重相应为0.28，0.13，0.28，0.20和0.11.

3.2 需水用户

各分区的总用水划分生活用水、工业用水、农业用水、生态环境用水和其他用水五部分。就四平市目前的情况，首先应保障该地区的居民生活用水，其次是工业用水，最后是农业灌溉供水，统筹兼顾环境等其他用水。因此，在需水约束条件中，生活需水量下限采用规划水平年生活需水量的97%，工业需水量的下限采用规划水平年工业需水量的90%.

2020年四平市各分区的可供水量和总需水量情况，可采用文献[7]中的数据。将有关数据作为参数代入模型，采用多目标遗传算法求解其优化配置的pareto解集，详见图1.由于MATLAB默认求最小值，所以目标函数所得结果均为负值。从得到的pareto解集中用排除法选取最适合解，则为四平市2020年水资源优化配置方案，见表1.

4 结束语

水资源优化配置是水资源规划和开发利用的重要内容，本文建立了相应的模型，模型中的社会效益目标函数采用供水满意度，采用多目标遗传算法应用于实例，程序运行效率快，解集具有较好的分布性，水资源配置结果是合理可行的。

由于资料缺乏，并未获得水源地对各分区的可供水量限额数据，因此本次研究中，没能对水源地的水资源进行优化配置。在资料充分时，应继续完善研究。

在模型的约束条件中，本文对生活用水和工业用水做了最低用水量的限制，以防所得结果使农业、生态和其他用水无限增大而不切合实际。但该限制同时也降低了水资源配置的实用价值模型，这方面需继续改进。

作为国家建设节水型社会试点城市，四平市水资源优化配置应远近结合，提高节水宣传力度，加强节水措施和工业节水技术改造，实施灌渠防渗衬砌措施；加快引松供水等工程措施，把有限的水资源用于综合效益高的产业项目；对水源地要严格划定水源保护区，确保水质洁净；加强污水处理，注重中水回用，使水资源实现可持续发展和利用。

参考文献

[1]Xifeng LIU，Xuefeng YU，Kui YU.The Current Situation and Sustainable Development of Water Resources in China[J].2012 International Conference on Modern Hydraulic Engineering，2012（28）：522-526.

[2]刘喜峰.智能决策在水资源优化配置中的应用研究[D].哈尔滨：黑龙江大学，2012.

[3]孙凌虹，王静.城市水资源优化配置概述[J].地下水，2011（03）：156-158.

[4]Holland JH.Adaptation in Nature and Artificial Systems[M].Cambridge：MIT Press，l992.

[5]李丽荣.基于Pareto Front的多目标遗传算法[J].湘潭大学自然科学学报，2004，26（01）：39-41.

[6]陈南祥.基于多目标遗传算法的水资源优化配置[J].水利学报，2006，37（03）：308-313.

[7]张妍.四平地区水资源优化配置研究[D].长春：吉林大学，2007.