基于遗传算法的水资源优化配置模型

基于遗传算法的水资源优化配置模型

随着现代节水工程的不断扩大，水资源的优化配置问题越来越大，包括系统、多目标、非线性等特征。首先,水资源的优化配置涉及资源、环境、经济、社会等方面,是一个动态、多变、非平衡、开放耗散的“非结构化”或“半结构化”系统。另一方面,在水资源配置与管理领域,正经历着从“技术经济寻优”到“沟通与协调”理念的转变。随着复杂系统和复杂性科学理论在水资源科学研究领域的逐渐开展,笔者也开始以一个全新的视角考虑水资源配置与管理的研究。与传统的水资源配置与管理理论相比,复杂性科学提供了一个完全不同的世界观,它强调从智能性和自适应性等系统生命特征出发研究系统复杂性的行为、特征、形成的原因。仔细分析可知,水资源系统是一个复杂适应系统,具有层次结构。根据复杂适应系统理论,不同层次上的主体具有不同的学习、适应和演化模式。复杂适应系统强调不同层次上主体的学习和适应行为是整个系统演化和发展的动力。从复杂适应系统的角度来看,水资源的优化配置正是水资源系统不同层次上的主体不断学习、适应和协调的结果。因此,研究不同层次上主体的学习进化模式对于实现水资源的优化配置具有重要的意义。笔者应用复杂适应系统理论的基本思想研究水资源优化配置问题,在建立的水资源多Agent系统概念的基础上,建立了基于遗传算法的水资源优化配置的3层演化模型,并以南水北调东线工程的水资源优化配置为例进行了仿真验证。实验证明,所建立的3层演化模型是有效的。1水资源系统的层次结构水资源系统是复杂适应系统,而研究复杂适应系统最有力的工具之一是多Agent系统建模仿真方法。因此,基于复杂适应系统理论,笔者提出水资源多Agent系统的概念,具体定义参见文献和文献。Agent,是水资源系统的构成主体在水资源多Agent系统逻辑空间上的映射。依据我们所研究的问题尺度来确定水资源多Agent系统中Agent的粒度。即这里的Agent可以小到一个具体的用水户,如家庭、企业、灌区等,也可以大到水资源系统的构成子系统,包括社会子系统、经济子系统和生态环境子系统。之所以可以这样来确定Agent的粒度,是由于系统具有层次结构。图1表示了一个水资源多Agent系统的层次结构。复杂人Agent是水资源多Agent系统的最底层构成单元。复杂人Agent构成了组织Agent,组织Agent以及复杂人Agent(指不隶属于组织的Agent)构成了区域Agent,区域Agent构成了节点Agent,节点Agent构成了整个水资源多Agent系统。组织Agent虽然不是系统的最底层构成单元,但它却是系统的基本构成单元。因为,一方面,组织大量存在于系统中,是系统的基本功能单元;另一方面,系统的生产、运行、管理都是以组织的方式运行的。复杂适应系统理论非常强调主体的学习和适应能力,认为微观个体的相互作用是系统演化的动力,而主体的学习和适应能力是主体之间相互作用和协调的基础。不同层次上的主体具有不同的学习、适应和演化模式。从复杂适应系统的角度来看,水资源的优化配置正是水资源系统不同层次上的主体不断学习、适应和协调的结果。因此,研究不同层次上主体的学习进化模式对于实现水资源的优化配置具有重要的意义。通过对水资源系统的研究,笔者建立了一个基于遗传算的水资源多Agent系统的3层演化模型。2低频单元的学习和适应能力根据复杂适应系统理论,系统的演化是底层单元微观行为方式不断交互作用的涌现。因此,低层单元的学习和适应能力是系统演化的基础。分析上述的层次结构,我们发现系统在不同的层次上具有不同的学习方式。(1)优化设计原则为了适应环境,个体在与其他个体的竞争过程中,在与环境的交互和相互作用过程中,不断调整自身的规则、知识,优化自身的结构,达到提高自身属性和性能,增强对环境的适应性的效果。(2)群体内的共享这种学习是一些经验、知识和信息在某个群体内的共享。这是一个局部环境中群体内个体之间的相互影响,并且有相应的群体管理部门实现对群体的管理、引导和控制。(3)组织间、区域间和节点间的合作和竞争学习群体之间的协作和竞争会改变各个群体对某件事物的信念和预期,从而影响到各自的行为方式。(4)基于遗传算法的水资源多agent系统演化模型这种学习方式存在于整个系统演化的过程中,父代的良好结构、性能和属性通过遗传传递给子代,这类似于人类发展过程中,代代相传的各种知识、经验和技术。从微观上看,这些存在于不同层次、不同个体的学习行为增强了个体在环境中的生存和获益能力。从宏观上看,这些来自微观个体的学习行为促进了系统的演化进程。因此,如何仿真实现这些学习方式就是仿真实现水资源优化配置的关键。在本文建立的模型中,主要从以下3个方面进行考虑:①调整、修改和产生新的Agent规则;②优化群体行为;③在竞争中共同进化。针对这3个方面,遗传算法及其改进算法是一个提高系统模型各级智能和适应性的非常有效的工具。水资源多Agent系统和遗传算法具有很多相同和相近的特性,因此适合采用遗传算法建立水资源多Agent系统的演化模型。由于水资源多Agent系统的不同层次具有不同的特点,因而需要针对这些特点采用不同的遗传算法。为此,笔者构建了基于遗传算法的水资源多Agent系统的3层演化模型,如图2所示。在图2中,笔者用基本的遗传算法来优化水资源系统中微观个体的规则演化与学习行为。水资源系统中Agent群体的行为优化模型与细粒度模型遗传算法(fine-grainedgeneticalgorithms,FGGA)之间具有诸多相似之处,因此,笔者应用细粒度模型遗传算法来解决Agent群体的行为优化问题。从系统层的角度来看,水资源的优化配置是一个多目标相互协调的问题。进化算法内在的特征说明了进化搜索适合用于多目标优化问题。多目标共生型协同进化遗传算法解决了两个基本的问题:①将算法从单目标优化转化到多目标优化;②防止算法早熟收敛和加快收敛速度。因此,我们用多目标共生型协同进化遗传算法来解决水资源优化配置的系统层优化问题。3以各控制主体行为规则为依据的仿真笔者将上述建立的水资源复杂适应配置的3层演化模型应用到南水北调东线水资源优化配置问题上,进行了建模仿真,取得了较好的结果。在仿真程序中,我们将南水北调东线工程水资源多Agent系统中的Agent进行了层次划分:第1层是政府Agent(对应于系统层);第2层包括3个区域Agent(对应于群体层),即黄河以南Agent、山东半岛Agent和黄河以北Agent;第3层包括5个Agent(对应于个体层),即在第2层的每个Agent中包括家庭Agent、工业Agent、农业Agent、环境Agent和航运Agent。对每一层的每一类Agent,笔者都制定了详细的行为规则和适应性目标。政府Agent和每一个区域Agent的行为规则包括:①水量分配管理;②水价管理;③社会统计;④信息发布。政府Agent的适应性目标对应于系统整体的水资源优化配置目标,从而实现系统内的社会、经济和生态环境效益最大化。区域Agent的适应性目标对应于区域内的水资源优化配置目标,从而实现区域内的社会、经济和生态环境效益最大化。个体Agent的行为规则比较复杂。生活用水Agent的主要行为表现为水消费和产生污水,追求生活的最大舒适程度。工业用水Agent的主要行为表现为用水生产、产生污水、经济效益核算以及进行必要的节水改造,追求企业经济效益的最大化。农业用水Agent的主要行为表现为用水生产、选择灌溉策略、选择种植的农作物、灌区改造和经济效益核算,追求农业经济效益的最大化。仿真程序中,层与层之间通过输入输出数据建立联系。政府Agent和区域Agent都分别接受它下一层Agent传来的各种数据进行统计,并根据本层的适应性目标在本层优化水资源的配置,然后将配置信息发布给它的下一层。它的下一层在上层配置的水资源量的条件下根据自身的适应性目标优化自身的行为,并将产生的各类数据送给它的上一层。上述的过程不断重复,直到达到系统整体的水资源优化配置目标。仿真结果可以得到南水北调东线调水在第2层的3个Agent和第3层5个Agent之间的配置情况、各种社会统计指标以及社会、经济、环境3个子系统的协调发展状况等。限于篇幅,这里只给出两个结果。图3表示了南水北调东线水资源的配置情况,图4表示了随着工程的进行,调水规模不断扩大,南水北调东线水资源系统的各构成子系统的协调发展状况。4水资源优化配置的意义基于遗传算法的水资源复杂适应配置系统的研究归根结底是利用复杂适应系统理论的基本思想,将水资源的优化配置看作是一个系统不同层次上的个体不断学习和适应的过程。但是,不同层次上的个体由于拥有不同的知识、信念、期望和目标,因而具有不同的学习模式。研究并实现这些学习模式可以更加有效地实现系统的目标,即水资源优化配置。与传统的水资源优化配置模型相比,本文的基于遗传算法的水资源复杂适应配置的3层演化模型具有下述特点。(1)层演化模型水资源配置过程中高层信息表现传统的水资源优化配置模型是静态的,除了需水预测能够反映低层的用水状况外,在模型求解的过程中没有与低层的信息反馈交流,而且需水预测也是确定之后不再改变的。而基于遗传算法的水资源复杂适应配置的3层演化模型水资源配置过程,是一个各个层次之间不断反馈交流的动态过程,高层的决策结果依赖于对低层信息的综合。这个过程一直动态地进行,直到各层都取得满