CN103136313A - 基于迭代求解策略的随机寻优方法 - Google Patents

Abstract

本发明公开了一种基于迭代求解策略的随机寻优方法，包括：(a)首先，给定冷却进度表参数及迭代初始解；(b)然后，进行试探搜索；(c)如果迭代终止条件满足，则算法结束，当前解作为近似全局最优解；否则继续步骤(d)；(d)根据给定的温度衰减函数产生新的稳定控制参数及链长度，转入步骤(b)，进入下一温度点的平衡点寻优。本发明为具有NP复杂性的问题提供有效的近似求解算法；避免优化过程陷入局部极小；克服了初值的依赖性。

Description

基于迭代求解策略的随机寻优方法

技术领域

本发明涉及一种基于迭代求解策略的随机寻优方法。

背景技术

目前，天然气管道日趋朝着长距离、大口径、高压力、多用户、大网络和向极地(海上)延伸的方向发展，再加上开采气井的日渐复杂化，传统的管道优化技术已满足不了目前管道发展的需要，这使得整个管网系统的布局优化设计变得更加困难。此外，集输管网拓扑优化问题是包含大量离散变量的复杂组合优化问题，从优化的角度来看，该优化问题涉及离散优化、非线性优化等多方面的优化理论，从计算复杂性的角度来看，它又属于NP-hard问题，许多学者从分级优化的角度出发，将整个管网系统的布局优化分若干个阶段进行，且均在一定程度上做了简化，在求解算法选取上主要偏重于传统优化方法，将混合启发式算法应用到集输管网布局优化中的例子还比较少。同时，世界尚未出现十分完善的规划设计软件，这也有待于工程技术人员和科研工作者进一步开拓。当今优化决策方法正朝着集成化、大系统、最优化、电算化方向发展，但大型复杂系统的优化方法还处在起步阶段，现有的成型算法只适用于特定形态的模型。随着遗传算法、粒子群算法和模拟退火算法的兴起，这些现代优化算法正成为解决组合优化问题的一种有力工具，它们在求解多目标组合优化难题上体现了很大的优势，因而将智能优化方法应用到油气集输系统，建立油气集输系统中组合优化的求解理论及优化方法，从而指导规划设计和生产运行，这也正是今后组合优化发展的一个方向。

天然气集输系统是一个密闭的、非常复杂的多级网络系统，同时又是一个巨大的能量耗散系统，它作为气田地面生产系统的核心和主体部分，其投资占整个气田地面工程的60％～70％以上。因而，对集输管网进行优化设计显得尤为重要。一般来说，天然气集输管网系统的优化设计分两个方面：布局优化和参数优化。其中布局优化是集输管网系统优化的首要任务和关键阶段，布局优化合理与否，不仅关系到整个油气田地面工程的投资费用，而且也关系到管网系统后续参数优化的进一步开展。在此，布局优化将是本文讨论的核心。

目前，气田集输系统所采用的管网布局方式主要是星式网络和环型网络。一般说来，环状管网的可靠性好，但投资大；树状管网的投资小，但可靠性较差，应从可靠性和投资两方面来考虑。由于集输管网布局优化问题是一个多学科互相交叉运用的问题，涉及到最优化方面的数学理论、技术经济评价以及如何通过计算机实现优化的问题，因而最优化理论与技术、计算机技术、数值计算方法的发展和广泛应用，可为管网布局优化研究提供必要的理论基础和实现手段。长期以来，针对气田集输管网布局优化问题，国内外学者做了大量的研究工作。

在20世纪60年代，哈克斯首先将优化方法引入到管道系统设计上来，他利用库恩-塔克定理确定管道系统的最优条件，但该方法较简单，在实际应用时受到限制。

1979年，Bharkaran等人研究了天然气集输管网的优化设计，他们将该系统的设计问题区分为系统布局子问题、节点位置子问题和直径分派子问题。但是只解决了以管网总费用最小为目标函数，不考虑压缩机站的位置，用线性规划的方法解决了直径分派子问题。

1987年，Soliman F.I.and Nurtagh，B.A.对大型输气管网系统进行了优化设计，建立了以管网造价最低为目标函数的数学模型，并采用传统线性化方法对模型进行了求解，获得了较好的优化结果。Tatsuo Oyama对最优站址问题进行了研究，建立了以路径最短为目标函数的数学模型，并采用传统优化算法进行了求解。

2000年，Eusuff和Lansey首次提出采用新兴的智能算法——蛙跳算法来解决组合优化问题。2003年，Muzaffar和Kevin利用蛙跳算法求解组合优化问题的优越性，将其应用到给水管网的参数优化这类组合优化问题中，并取得了较好的参数优化效果。

2005年，A.de Sa Neto and V.J.M.F.Filho等人首次将仿真优化方法成功地应用于虚拟输气管道的经济费用模型求解中，虚拟输气管道主要是将CNG或LNG从储罐输送到偏远地区。实例计算表明该法在优化成本效益上具有较大的优越性，对寻找输气管道优化问题的求解方法具有一定的借鉴作用。

由上可知，集输管网布局优化问题属于一类组合优化问题，目前采用的求解方法主要是线性化法、分级优化法、动态规划法等传统优化方法，虽然有人将智能优化算法(遗传算法、模拟退火算法、禁忌算法等)成功地应用到该类问题的求解中，但应用混合智能算法进行优化求解的例子并不多。另外，以上研究成果虽然在工程实际规划设计过程中取得了一定的经济效益，但在模型的完整性、优化算法的可靠性和通用性、软件研制等多个方面还需要进一步研究，以期获得更大的效益。

在以往井组划分过程中，由于受所用算法及计算机编程采用顺次计算的限制，为每一集气站分配气井的过程中，往往存在一定的弊端。井组最优划分问题属于大规模、非线性、混合整数规划问题，由于问题是多变量、多约束性的，所以不能保证目标函数是凸函数，更不能保证其可微可导性。传统的优化理论分析方法如线性规划、非线性规划、混合整数规划、灵敏度分析、内点法等由于对目标函数和约束条件有连续、可微的要求，一般得到的结果往往是局部最优解，不能保证全局最优。近年来，各种智能算法，特别是遗传算法对问题适应性强、适合处理整数变量的组合优化问题、理论上具有全局收敛性等特点，自然地被人们应用于该类优化计算，虽然取得了一定进步，但是仍然存在计算速度慢，局部收敛性差以及处理大规模问题时容易陷入局部最优等问题，这就促使它结合其它智能方法需要进行改进。

油气集输系统集气总站的选址属于网络理论中连通图的选址问题。所谓选址问题，是在指定的范围内，根据所要求的某些指标，选择最满意的场址。选址问题通常可分为两大类：第一类是平面内的选址问题；第二类是网络图上的选址问题。前者的场址可以是平面内的任何一点；后者的场址只能在给定的网络中选择。集气总站的选址问题是属于上述第二类问题中的中心问题，即在给定的集气站中选出一个集气站作为集气总站，使得其它集气站距离集气总站的加权距离为最小。

集气总站作为整个集气站群中综合开发的生产处理、外输及管理中心，其位置要考虑到整个集气站群管网的流量分布，应使管网的流量分配尽可能合理，有利于整个集气站群进行最优区域划分和管网布置。因此，在优化气田综合开发方案时，要在以各集气站作为顶点组成的网络中确定集气总站的位置，其原则是：首先考虑到各集气站距离集气总站不能太远，即集气总站应处于集气站群的中心地带，以利于对整个气井群的日常管理和维护，这就是网络的中心问题；此外，还要考虑到管网中的流量分配，避免某管段中流量太集中，以防管径过大增加费用，这就是网络图中的加权中心问题。

图的遍历算法是图论中用来求解图的连通性问题的一种方法。通常有两种遍历图的方法：深度优先搜索和广度优先搜索。在干支管网连接方式优化过程中，主要采用深度优先搜索法对干支管网进行连通性判断。深度优先搜索也叫纵向优先搜索，它的基本思想是：首先访问指定的起始顶点，然后在与该顶点邻接的顶点中选择一个未被访问的顶点进行访问，接着再从现在访问的顶点的邻接顶点中任意选择一个未被访问的顶点进行访问，如此继续，若到达没有被访问的邻接顶点的顶点时，则退回到最近访问过的那个顶点上，若它还有未被访问的邻接顶点，则选择一个顶点进行访问。重复上述访问过程，直至全部顶点都访问完毕。

发明内容

本发明的目的在于克服上述现有技术的缺点和不足，提供一种基于迭代求解策略的随机寻优方法，该基于迭代求解策略的随机寻优方法为具有NP复杂性的问题提供有效的近似求解算法；避免优化过程陷入局部极小；克服了初值的依赖性。

本发明的目的通过下述技术方案实现：基于迭代求解策略的随机寻优方法，包括以下步骤：

(a)首先，给定冷却进度表参数及迭代初始解；

(b)然后，进行试探搜索；

(c)如果迭代终止条件满足，则算法结束，当前解作为近似全局最优解；否则继续步骤(d)；

(d)根据给定的温度衰减函数产生新的稳定控制参数及链长度，转入步骤(b)，进入下一温度点的平衡点寻优。

所述步骤(a)中，冷却进度表参数包括：控制参数的初值，衰减参数，终值及链长度。

所述步骤(b)的具体步骤如下：

(b1)对于连续变量根据当前解的性质产生一随机向量；对于离散变量产生一随机变量，从而得到当前解邻域的新的试探点；

(b2)产生一个均匀分布的随机数，计算出在给定当前迭代点和温度下与接受准则相对应的转移概率；

(b3)试探搜索，进入步骤(c)。

综上所述，本发明的有益效果是：为具有NP复杂性的问题提供有效的近似求解算法；避免优化过程陷入局部极小；克服了初值的依赖性。

具体实施方式

下面结合实施例，对本发明作进一步的详细说明，但本发明的实施方式不仅限于此。

实施例：

本发明涉及的基于迭代求解策略的随机寻优方法，包括以下步骤：

(a)首先，给定冷却进度表参数及迭代初始解；

(b)然后，进行试探搜索；

(c)如果迭代终止条件满足，则算法结束，当前解作为近似全局最优解；否则继续步骤(d)；

(d)根据给定的温度衰减函数产生新的稳定控制参数及链长度，转入步骤(b)，进入下一温度点的平衡点寻优。

所述步骤(a)中，冷却进度表参数包括：控制参数的初值，衰减参数，终值及链长度。

所述步骤(b)的具体步骤如下：

(b1)对于连续变量根据当前解的性质产生一随机向量；对于离散变量产生一随机变量，从而得到当前解邻域的新的试探点；

(b2)产生一个均匀分布的随机数，计算出在给定当前迭代点和温度下与接受准则相对应的转移概率；

(b3)试探搜索，进入步骤(c)。

综上，本发明为具有NP复杂性的问题提供有效的近似求解算法；避免优化过程陷入局部极小；克服了初值的依赖性。。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质，对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (3)

1.基于迭代求解策略的随机寻优方法，其特征在于，包括以下步骤：

(a)首先，给定冷却进度表参数及迭代初始解；

(b)然后，进行试探搜索；

(c)如果迭代终止条件满足，则算法结束，当前解作为近似全局最优解；否则继续步骤(d)；

(d)根据给定的温度衰减函数产生新的稳定控制参数及链长度，转入步骤(b)，进入下一温度点的平衡点寻优。

2.根据权利要求1所述的基于迭代求解策略的随机寻优方法，其特征在于，所述步骤(a)中，冷却进度表参数包括：控制参数的初值，衰减参数，终值及链长度。

3.根据权利要求1所述的基于迭代求解策略的随机寻优方法，其特征在于，所述步骤(b)的具体步骤如下：

(b1)对于连续变量根据当前解的性质产生一随机向量；对于离散变量产生一随机变量，从而得到当前解邻域的新的试探点；

(b2)产生一个均匀分布的随机数，计算出在给定当前迭代点和温度下与接受准则相对应的转移概率；

(b3)试探搜索，进入步骤(c)。