CN109902391B - 一种基于随机挥发系数蚁群算法的油气管道规划方法 - Google Patents
一种基于随机挥发系数蚁群算法的油气管道规划方法 Download PDFInfo
- Publication number
- CN109902391B CN109902391B CN201910158750.4A CN201910158750A CN109902391B CN 109902391 B CN109902391 B CN 109902391B CN 201910158750 A CN201910158750 A CN 201910158750A CN 109902391 B CN109902391 B CN 109902391B
- Authority
- CN
- China
- Prior art keywords
- volatilization
- oil
- gas pipeline
- pheromone
- random
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Pipeline Systems (AREA)
Abstract
本发明公开了一种基于随机挥发系数蚁群算法的油气管道规划方法,包括如下步骤:统计油气管道经过的城市数量以及地理坐标,将地理坐标映射在直角坐标系中,建立对应城市坐标;初始化蚁群算法中蚂蚁数量、启发式因子等各项参数;设置油气管道路径上随机信息素挥发系数的个数以及对应的标号,根据挥发系数个数将区间[0,1]均分,作为每个挥发系数的挥发范围,在每次迭代过程中随机选择标号,以及在标号对应的挥发范围内随机选择挥发系数,作为当前迭代的信息素挥发程度;将油气管道城市坐标输入到改进的蚁群算法中,按照上述的随机挥发系数机制更新信息素,满足算法停止条件则输出油气管道的路径规划方案。本发明通过设置随机信息素挥发系数,增强全局搜索的能力,提升油气管道规划的效率。
Description
技术领域
本发明属于人工智能和油气管道规划技术领域,具体涉及一种基于随机挥发系数蚁群算法的油气管道规划方法。
背景技术
油气管道运输是通过管道的形式,用加压设备给石油和天然气加压,使得油气能够从高压向低压出流动,从而实现油气的运输。在管道、公路、铁路、水路等运输过程中,管道运输有着明显的优势,如占地面积少、建设快、运输成本低、油气运输量大等特点。但是在油气运输之前,由于从油气的开发地输送到不同的城市,输送路径的组合方式多样,进而导致了路径长短的不一,为了节约管道铺设成本,因此管道选择哪种路径铺设使得路程最短同时节约成本是一个重要的问题。
为了能有效的解决上述问题,针对油气管道规划问题已经有了很多的解决方法,为此,国内外也进行了大量的研究,如蚁群算法、粒子群算法、模拟退火算法等。在油气管道规划中,城市的数量导致组合样式路径多,由于蚁群算法具有强鲁棒性、分布式计算等优势能够快速寻找最短路径,所以本发明采用蚁群算法解决油气管道规划问题,但蚁群算法存在着易陷入局部最优、搜索时间长,收敛速度慢等缺点,因此采用什么样的方式提升油气管道规划效率尤为重要。
发明内容
为了克服上述蚁群算法存在的不足,本发明提出了一种基于随机挥发系数蚁群算法的油气管道规划方法,通过设置油气管道路径上的随机信息素挥发系数,增强全局搜索能力,避免在算法运行初期陷入局部最优,提高收敛速度,增强算法跳出局部最优的能力,提升管道规划效率。
为实现上述目的,本发明技术方案主要包括如下步骤:
步骤1,统计油气管道经过的城市数量n以及对应城市的地理坐标,将地理坐标映射在直角坐标系中,建立对应城市坐标(x,y);
步骤2,设置蚁群算法中蚂蚁数量k、信息启发式因子α,期望启发式因子β,最大迭代次数Iteration,正常数Q,信息素矩阵τ,城市矩阵E;
步骤3,设置油气管道路径上信息素挥发系数的个数为m以及对应的标号Ni,其中i∈{1,2,…,m};
步骤4,根据信息素挥发系数的个数将区间[0,1]分成m份,作为每个挥发系数ρi的挥发范围其中i表示第i个挥发系数,在每次迭代过程中随机选择标号Ni,以及标号对应的挥发范围/>内随机选择挥发系数ρi,该方式通过设置油气管道路径上不同的挥发系数更新全局的信息素含量,增强全局搜索能力;
步骤5,将油气管道城市点坐标(x,y)输入到改进的蚁群算法中,按照上述的随机挥发系数机制更新信息素τ,满足停止条件则输出油气管道的路径规划方案。
附图说明
图1是本发明的模型结构图
具体实施方式
下面结合图1对本发明作进一步详细的描述:
A.管道规划参数初始化
统计管道规划中需要输送油气的城市个数n及地理坐标,将地理坐标映射在直角坐标系中,建立对应城市坐标(x,y),并创建城市矩阵E,采用距离公式 计算每两座公式之间距离,并存储在城市矩阵E中;蚂蚁数量k,通常k取和城市个数相当的数或者取城市个数的一半;信息启发式因子α,该值越大选择之前走过的路径的可能性也就越大,该值越小越容易陷入局部最优;期望启发式因子β,该值越大会加快收敛速度但全局搜索能力减弱;最大迭代次数I_max;正常数Q;禁忌表V用来存储蚂蚁已经访问过的城市;城市表U用来存储蚂蚁还可以访问的城市;信息素矩阵τ用于存储两座城市之间的信息素浓度;以及信息素挥发系数ρ。
其中挥发系数ρ的确定过程如下:
(1)设置油气管道路径上信息素挥发系数的个数m以及对应的标号Ni,其中i∈{1,2,…,m},通过不同的挥发系数更新全局的信息素含量,增强全局搜索能力;
(2)根据油气管道路径上信息素挥发系数的个数将区间[0,1]分成m份,作为每个挥发系数ρi的挥发范围其中i表示第i个挥发系数,该方式将挥发系数控制在[0,1],同时将区间均分确保了随机系数不重复。
B.管道规划优化过程
(1)初始化城市矩阵EI,表示第I次迭代用于存储未被访问过的城市矩阵,初始化禁忌表V以及城市表U;
(2)首先确定油气管道路径上挥发系数ρ的数值,随机选择第i个挥发系数Ni,并随机在区间中生成挥发系数ρi;
(3)从油气管道中城市矩阵EI中按照如下概率公式对每只蚂蚁进行边的选择:
其中τ表示油气管道路径上的信息素,ηij表示第i座城市到第j座城市的距离的倒数。从油气管道中城市矩阵EI中选择边对应的两座城市,判断是否和已经选择出来的城市构成环,如果没有构成环,那么更新禁忌表V和城市表U,并将城市矩阵EI所选择的边赋值为0(表示下次不被选择);如果构成环,那么按照概率公式重新选择。
(3)当所有的蚂蚁完成一次迭代之后,对路径上的信息素按照如下公式进行更新:
τij(t+1)=(1-ρi)τij(t)+Δτij
其中Lk表示第k只蚂蚁所走过的路径长度。
C.输出最优管道规划方案
当满足最大迭代次数Iteration或者自己设置的阈值时,停止迭代,输出油气管道的路径规划方案。
本发明根据蚁群算法核心思想,采用随机信息素挥发系数机制对信息素进行更新,从而增强全局搜索能力,提升油气管道规划效率。
Claims (1)
1.一种基于随机挥发系数蚁群算法的油气管道规划方法,其特征在于,包括以下步骤:
A.统计油气管道经过的城市数量n以及对应城市的地理坐标,将地理坐标映射在直角坐标系中,建立对应城市坐标(x,y);
B.初始化蚁群算法中蚂蚁数量k、启发式因子α,β等各项参数;
C.设置油气管道路径上信息素挥发系数的个数m以及对应的标号Ni,其中i∈{1,2,…,m};
D.根据信息素挥发系数的个数将区间[0,1]分成m份,作为每个挥发系数ρi的挥发范围
E.随机选择标号Ni,在标号对应的挥发范围内随机选择挥发系数ρi,通过设置油气管道路径上不同的挥发系数更新全局的信息素含量,增强全局搜索能力;将油气管道城市点坐标(x,y)输入到改进的蚁群算法中,按照上述的随机挥发系数机制更新信息素τ,满足停止条件则输出油气管道的路径规划方案。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811424811 | 2018-11-27 | ||
CN2018114248119 | 2018-11-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109902391A CN109902391A (zh) | 2019-06-18 |
CN109902391B true CN109902391B (zh) | 2023-10-17 |
Family
ID=66946191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910158750.4A Active CN109902391B (zh) | 2018-11-27 | 2019-03-04 | 一种基于随机挥发系数蚁群算法的油气管道规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902391B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114625493B (zh) * | 2020-12-14 | 2024-04-02 | 中国石油大学(华东) | 基于改进天牛须智能方法的Kubernetes集群资源调度方法 |
CN113158384B (zh) * | 2021-03-03 | 2021-10-08 | 东北石油大学 | 一种油气管道路由规划方法及系统 |
CN113703391B (zh) * | 2021-08-11 | 2023-01-31 | 广东省科学院智能制造研究所 | 一种基于随机信息素优化精英蚁群算法的加工路径规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872432A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种引入好奇因子的蚁群优化方法 |
CN101872355A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种基于征税机制的蚁群优化方法 |
CN105167849A (zh) * | 2015-05-19 | 2015-12-23 | 上海大学 | 一种基于蚁群算法的血管三维路径规划方法 |
CN106779212A (zh) * | 2016-12-13 | 2017-05-31 | 南京邮电大学 | 一种基于改进蚁群算法的城市旅游路线规划方法 |
CN107272679A (zh) * | 2017-06-15 | 2017-10-20 | 东南大学 | 基于改进的蚁群算法的路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8416869B2 (en) * | 2010-05-05 | 2013-04-09 | National Yunlin University Of Science And Technology | Peak-to-average power ratio reduction method for orthogonal frequency division multiplexing systems based on path finding |
-
2019
- 2019-03-04 CN CN201910158750.4A patent/CN109902391B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872432A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种引入好奇因子的蚁群优化方法 |
CN101872355A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种基于征税机制的蚁群优化方法 |
CN105167849A (zh) * | 2015-05-19 | 2015-12-23 | 上海大学 | 一种基于蚁群算法的血管三维路径规划方法 |
CN106779212A (zh) * | 2016-12-13 | 2017-05-31 | 南京邮电大学 | 一种基于改进蚁群算法的城市旅游路线规划方法 |
CN107272679A (zh) * | 2017-06-15 | 2017-10-20 | 东南大学 | 基于改进的蚁群算法的路径规划方法 |
Non-Patent Citations (3)
Title |
---|
基于挥发系数的自适应蚁群算法;吴小菁;《福建金融管理干部学院学报》(第1期);54-58 * |
基于改进蚁群算法的机器人焊接路径规划;吴明晖 等;《焊接学报》;第39卷(第10期);113-118 * |
蚁群算法的改进及其应用研究;白磊;安徽大学硕士论文信息科技辑(第12期);18-44 * |
Also Published As
Publication number | Publication date |
---|---|
CN109902391A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902391B (zh) | 一种基于随机挥发系数蚁群算法的油气管道规划方法 | |
CN111445093B (zh) | 一种输电线路应急抢修路径优化系统及方法 | |
CN108021686B (zh) | 一种快速匹配电子地图中公交线路与道路网络的方法 | |
AU2020356806A1 (en) | Historical city protection and development cooperative control scheme aided design system | |
CN109145169A (zh) | 一种基于统计分词的地址匹配方法 | |
CN103971530B (zh) | 一种实时路径规划方法 | |
CN110427360A (zh) | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 | |
CN109828578B (zh) | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 | |
CN102496187B (zh) | 一种基于三角形网格的追踪等值线至边界及断层的方法 | |
CN103995837A (zh) | 一种基于群体足迹的个性化旅游路线规划方法 | |
CN106845703B (zh) | 一种考虑转向延误的城市路网时变k最短路径搜索方法 | |
CN107167136A (zh) | 一种面向电子地图的位置推荐方法及系统 | |
CN110889794A (zh) | 一种市政道路征地房屋统计方法 | |
CN109357678A (zh) | 一种基于异质化鸽群优化算法的多无人机路径规划方法 | |
CN106557574B (zh) | 基于树结构的目标地址匹配方法和系统 | |
CN110826244B (zh) | 模拟轨道交通影响城市生长的共轭梯度元胞自动机方法 | |
CN109035783A (zh) | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 | |
CN106980644A (zh) | 一种异构城市数据的个体人际关系可视推理方法 | |
CN114690728B (zh) | 一种用于物料快速运输的双向可调agv路径规划方法 | |
CN116597666A (zh) | 基于迁移学习的城市路网无检测器路段流量实时估计方法 | |
CN113112058B (zh) | 一种基于知识图谱与蚁群算法的旅游路线推荐方法 | |
CN112507057B (zh) | 一种基于网格空间分布的附近河流推荐方法及系统 | |
CN112380460B (zh) | 一种基于近似算法的最短路径查询方法和系统 | |
CN114222343A (zh) | 一种地下管廊无线传感器网络路由方法及系统 | |
CN116187150A (zh) | 一种基于改进型蚁群算法的空气污染源反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |