季节性冰冻河流航电枢纽施工优化 李明伟 王剑伦 耿敬 刘峰 陈志远 哈尔滨工程大学船舶工程学院 黑龙江中北航务勘察设计有限公司 摘 要： 为提高航电枢纽工程施工效率, 本文以施工工期最短为优化目标, 计入冰冻对航电枢纽施工的影响, 以施工强度与机械设备为约束条件, 提出了季节性冰冻河流航电枢纽施工进度优化模型 (SO-NPJC) 。基于蝙蝠算法、混沌、小生境理论, 提出混沌小生境蝙蝠优化算法 (CNBA) 。构建面向季节性冰冻河流航电枢纽施工的 SO-NPJCCNBA 优化模型。结合依兰航电枢纽工程开展数值实验, 结果表明:本文建立的 SO-NPJC-CNBA 优化模型在解决航电枢纽工程施工优化问题上提升了航电枢纽的建造效率, 缩短了施工工期, 为实现枢纽的智慧建造提供了技术支持, 体现了优化模型的可行性和优越性。关键词： 航电枢纽; 冰冻河流; 施工优化; 蝙蝠算法; 混沌理论; 小生境理论; 作者简介：李明伟 (1984-) , 男, 讲师, 博士;作者简介：耿敬 (1968-) , 女, 教授.E-mail:gengjinghrbeu.edu.cn.收稿日期：2016-08-30基金：国家自然科学基金项目 (51509056) Construction optimization of seasonal frozen rivers navigation-hydropower junctionLI Mingwei WANG Jianlun GENG Jing LIU Feng CHEN Zhiyuan College of Shipbuilding Engineering, Harbin Engineering University; Abstract： In order to improve the efficiency of navigation-hydropower junction project construction, taking the shortest construction time as optimization objectives, and considering the influence of freezing on navigation-hydropower junction construction, this paper proposed the schedule optimization model for navigation-hydropower junction construction of seasonal frozen river ( SO-NPJC) , with the construction intensity and mechanical equipment as constraint conditions. Based on the bat algorithm, the chaotic and niche theory, the Chaos Niche Bat Algorithm ( CNBA) was proposed and the SO-NPJC-CNBA optimization model was constructed for navigation-hydropower junction construction facing the seasonal frozen river. The numerical experiment was carried out by combination with Yilan navigation-hydropower junction project. The results show that, the SO-NPJC-CNBA optimization model established in this paper for solving the construction optimization problems of the navigation-hydropower junction project improves the efficiency of the navigation-hydropower junction construction, shortens the construction period, and provides technical support for realizing the intelligent water conservancy, showing the feasibility and superiority of the optimization model.Keyword： navigation hydropower junction; frozen rivers; construction optimization; bat algorithm; chaotic theory; niche theory; Received： 2016-08-30季节性冰冻河流中江水易结冰、水文情势多变、低温与流冰会给航电枢纽金属结构与建筑物带来诸多不利的影响, 冰冻期混凝土的浇筑会直接影响枢纽建设, 甚至可能造成水电工程事故、建筑物损坏等在针对航电枢纽的施工中, 可能存在施工期内雨季多发, 导致施工期变短。此外, 由于施工作业面狭窄, 势必导致互相干扰, 这也将给施工过程中的工期、质量等控制带来更多不确定因素, 加大了施工管理的难度。因此良好的施工进度管理是工程如期完工的重要保证。目前, 国内外学者对施工进度优化模型进行了广泛的研究, 但其在实际应用中存在较大误差。基于不同关注点建立施工优化模型后, 对优化模型的求解是获得较优方案的关键1-2。蝙蝠算法 (bat algorithm, BA) 是近年来发展起来的一种新兴演化计算技术3, 具有易于实现、收敛速度快、适于并行处理、鲁棒性强等特点4。但与其他仿生群智能算法类似, 标准 BA 也存在易陷入局部最优、过早收敛、后期收敛速度较慢等问题。综上, 目前虽然已经有许多文献对施工进度优化方法进行了研究, 但是均存在诸多不足, 同时未见关于面向季节性冰冻河流航电枢纽施工工期优化研究的报道。本文考虑到航电枢纽工程施工的经济费用比较固定, 计入冰冻因素对施工进度的影响, 建立以施工强度与机械设备为约束条件的施工进度优化模型5。为了更好的求解建立的施工进度优化模型 (schedule optimization model for navigation-power junction construction of seasonal frozen river, SO-NPJC) , 基于混沌映射和小生境理论, 对 BA 进行改进, 提出了混沌小生境蝙蝠算法 (chaos niche bat algorithm, CNBA) 。建立了一种基于 CNBA 的季节性冰冻河流航电枢纽施工进度优化方法。最后结合依兰航电枢纽工程实例, 进行数值实验, 通过对实验结果的对比分析, 验证了新建优化方法的实用性与优越性。1 施工进度优化模型的建立本文建立的航电枢纽工程施工进度优化模型基于以下假设条件:1) 不考虑工程各项工序的施工衔接时间;2) 当连续 5 d 平均气温降到 5, 或最低气温降到0, 工程进入冬季施工期, 混凝土停止浇筑;3) 关键线路的持续时间为工程的总工期;4) 单项工程的施工强度、机械设备数目与其工期呈线性相关。综合考虑工程中混凝土的实际浇筑情况与冰冻因素对施工的影响, 以施工强度与施工机械设备为约束条件, 以施工总工期最短为优化目标, 建立 SO-NPJC 优化模型如下式中:D 为影响工程总工期的工序数目, x i为单项工程实际工期, x 0i为单项工程计划工期, F i为单项工程计划施工强度, F i min为实际情况下单项工程最小施工强度, F i max为实际情况下单项工程最大施工强度, 为施工强度增大系数, 为设备资源的增加百分比, T 为工程总工期。2 蝙蝠优化算法2.1 标准蝙蝠算法的优化机理BA 由英国学者 X.S.Yang6受到了蝙蝠捕猎过程中回声定位行为的启发, 于2010 年提出的。在捕猎过程中, 蝙蝠首先发出一种声音信号, 信号在碰到猎物时被弹回, 蝙蝠通过分析回声的频率、响度和脉冲发射率等特征, 来确定物体的性质和位置。2.1.1 蝙蝠的速度和位置更新过程假设搜索空间为 D 维, 第 i 只蝙蝠在第 t 次进化时的位置和速度分别为 xi和 vi, 则在第 t+1 次进化时, 其位置和速度可分别更新为 xi和 vi, 即式中:F i、F max和 Fmin为第 i 只蝙蝠在当前时刻发出的声波频率、声波频率的最大值和最小值; 为随机数, 0, 1;x 为当前最优解。对于大小为 N 的蝙蝠群体, 可以从中选择一只蝙蝠 (解) , 并更新该蝙蝠相应的位置, 即在被选择解的附近产生一个新解:该过程可被理解为局部搜索过程。式中:x old为从当前最优解集中随机选择的一个解, A 为当前代前 i 只蝙蝠的平均响度; 为随机变量, 0, 1。2.1.2 响度和脉冲发射率蝙蝠实际捕猎过程中, 其声波响度 A (i) 随着与猎物距离的减小而不断减弱, 但脉冲发射速率 R (i) 随着与猎物距离的减小而逐渐提高。蝙蝠 i 脉冲的响度A (i) 和发射速率 R (i) 可更新为式中:00 均为常量;A (i) =0 时意味着蝙蝠 i 刚刚发现一只猎物, 暂时停止发出任何声音。2.2 混沌小生境蝙蝠优化算法混沌算法是一种新颖的优化技术, 在工程实践中得到了广泛的应用。在数值问题的优化方面, 利用混沌算法在求解时, 将搜索过程中产生的解通过混沌映射方程映射到变量空间中, 利用混沌变量的遍历性、随机性的特点寻找最优解, 从而可以在搜索过程中避免陷入极小值, 最终获得全局最优解7。针对混沌算法的随机性、有界性等特点, 很多文献基于混沌映射建立了改进算法7-8。本文针对 BA 的不足, 为了增强 BA 种群的多样性, 提高算法后期的搜索速度, 尝试将混沌理论用于 BA 的改进。针对种群多样性下降, 本文利用 Tent 映射, 设计混沌遍历搜索机制和小生境局部搜索机制, 以期能够较快地求出所求问题的最优解或满意解, 提高算法全局和局部搜索能力9。Tent 映射方程如下2.2.1 混沌遍历搜索机制 (CTSM) 基于 Tent 映射的 BA 混沌遍历搜索机制 (chaos traversal search mechanism, CTSM) 原理为:首先将蝙蝠个体映射到 (0, 1) 范围内, 将映射后的个体作为初始值, 利用 Tent 映射产生一定数目的混沌变量, 然后将生成的混沌变量再映射到原来的解空间, 获得新的蝙蝠个体, 评价生成的新个体, 更新混沌遍历搜索后的蝙蝠位置10。基于 Tent 映射的 BA 全局混沌遍历搜索机制流程如下:1) i=1, j=1, 转到步骤 2) ;2) 利用式 (10) , 将位于 D 维解空间中第 i 个蝙蝠个体 j 维分量, 映射到区间 (0, 1) ;3) 将 yi, j作为初始值, 基于式 (14) 迭代 m 次, 产生 m 个对应于第 i 个蝙蝠j 维分量的新混沌序列4) 利用式 (11) , 将获得的新混沌序列y i, j (1) , yi, j (2) , , yi, j (m) 映射到第 i 个蝙蝠的第 j 维分量的可行域;5) 令 j=j+1, 转到步骤 7) ;6) 如果 jD, 转到步骤 8) , 否则转到步骤 3) ;7) 获得 m 个混沌全局搜索后的蝙蝠个体;8) 计算每个获得的蝙蝠的适应度值, 选取具有最佳适应度值的扰动个