CN111881534B - 一种室内布线的优化方法和装置 - Google Patents
一种室内布线的优化方法和装置 Download PDFInfo
- Publication number
- CN111881534B CN111881534B CN202010638387.9A CN202010638387A CN111881534B CN 111881534 B CN111881534 B CN 111881534B CN 202010638387 A CN202010638387 A CN 202010638387A CN 111881534 B CN111881534 B CN 111881534B
- Authority
- CN
- China
- Prior art keywords
- point
- path
- wiring
- coordinates
- electric field
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 230000005684 electric field Effects 0.000 claims abstract description 53
- 210000001726 chromosome structure Anatomy 0.000 claims abstract description 31
- 230000002068 genetic effect Effects 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 230000035772 mutation Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 22
- 239000004020 conductor Substances 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 7
- 235000013619 trace mineral Nutrition 0.000 claims description 3
- 239000011573 trace mineral Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 210000000349 chromosome Anatomy 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
Abstract
本发明实施例提供了一种室内布线的优化方法和装置，所述方法包括：根据布线路径需求，选择遗传算法中的染色体结构的编码规则；根据所述编码规则，确定染色体结构；根据染色体结构，生成包含M个个体的初始种群G；进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，经过适应度评估、选择、交叉、变异等过程形成下一代种群；重复步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；使n=n+1，进行步骤1~3，得到路径点数为n+1时的最优路径；重复步骤4，直到最优路径的适应度收敛或达到迭代上限。
Description
技术领域
本发明涉及布线领域，尤其涉及一种室内布线的优化方法和装置。
背景技术
随着我国经济的腾飞，智能家居已经在各大城市的住宅中普及，伴随而来的是大功率的家用电器充斥在人们的日常生活中。因此，居室内的电磁辐射污染问题应该受到更多的关注。由于居室内导线布置可相对复杂，需要建立工频电场的三维计算模型，并且，在居室布线设置时，根据室内磁场计算结果进行优化布线从而使某区域(人经常活动的区域或者床椅子等)的电场最小，将有效的减少人们在室内受到的电场辐射。
发明内容
本发明的实施例提供了一种室内布线的优化方法和装置，能够减少人们在室内受到的电场辐射。
一种室内布线的优化方法，包括：
步骤1，根据布线路径需求，选择遗传算法中的染色体结构的编码规则；根据所述编码规则，确定遗传算法中的染色体结构；根据所述染色体结构，生成包含M个个体的初始种群G；
步骤2，进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点,形成下一代种群；
步骤3，重复所述步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；
步骤4，使n＝n+1，进行步骤1～3，得到路径点数为n+1时的最优路径；
步骤5，重复所述步骤4，直到最优路径的适应度收敛或达到迭代上限，当前的最优路径即是当前布线优化问题的最优解，输出所述当前的最优路径。
一种室内布线的优化装置，包括：
初始化单元，根据布线路径需求，确定遗传算法中的染色体结构；根据所述染色体结构，生成包含M个个体的初始种群G；
算法单元，进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点,形成下一代种群；
第一重复单元，重复所述步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；
加法单元，使n＝n+1，进行步骤1～3，得到路径点数为n+1时的最优路径；
第二重复单元，重复所述步骤4，直到最优路径的适应度收敛或达到迭代上限，当前的最优路径即是当前布线优化问题的最优解，输出所述当前的最优路径。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例中，
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的室内布线的优化方法的示意图；
图2为本发明的室内布线的优化装置的示意图。
图3为本发明的三维坐标系示意图；
图4为本发明中的电场计算示意图；
图5为本发明中的点集描述走线的示意图
图6为本发明中的优化算法的流程图；
图7为布线的起点A和终点B在相邻面情况时的点集示意图；
图8为布线的起点A和终点B在对面情况的点集示意图；
具体实施方式
下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
如图1所示，一种室内布线的优化方法，包括：
步骤1，根据布线路径需求，选择遗传算法中的染色体结构的编码规则；根据所述编码规则，确定遗传算法中的染色体结构；根据所述染色体结构，生成包含M个个体的初始种群G；其中，布线路径需求：包括：起点、终点位置、路径点数n。
所述根据布线路径需求，选择遗传算法中的染色体结构的编码规则的步骤包括的步骤包括：
当所述布线路径需求的起点A和终点B在共面时，点集坐标为Xp＝[x1,y1；x2,y2；…；xn,yn]；
当所述布线路径需求的起点A和终点B在相邻面时，Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；yl,k]，式中(x,y)为初始路径经过的面a上的点的坐标，(y’,z)为初始路径经过的面b上的点的坐标,yl为初始路径经过的a、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置；
当所述布线路径需求的起点A和终点B在对面时，
Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；x'1,y"1；x'2,y"2；…；x'i,y"i；yl,k；y'l,k'；s],其中，(x,y)为初始路径经过的面a上的点的坐标，(y’,z)为初始路径经过的面c上的点的坐标,(x’,y”)为初始路径经过的面b上的点的坐标，yl为初始路径经过的a、c面相交棱上的点的坐标，y’l为路径经过的c、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置，k’为(y’,z)和(x’,y”)两组点的分界位置,s为面c的编号。
所述根据所述编码规则，确定遗传算法中的染色体结构的步骤包括：
根据所述染色体结构的编码规则，得到路径表示形式Xp，将Xp中数值用二进制表示后，拼接形成一个二进制数字串，即得到于所述编码规则相应的染色体结构。
步骤2，进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点,形成下一代种群；
步骤3，重复所述步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；
步骤4，使n＝n+1，进行步骤1～3，得到路径点数为n+1时的最优路径；
步骤5，重复所述步骤4，直到最优路径的适应度收敛或达到迭代上限，当前的最优路径即是当前布线优化问题的最优解，输出所述当前的最优路径。
其中，所述计算沿各条路径布线在目标点C点产生的工频电场强度E包括：
步骤21，以居室一顶点为坐标原点建立三维坐标系，c点表示居室空间内待计算的目标点，坐标为C(x0,y0,z0)；
步骤22，将导线划分为若干个微元导线；计算所述微元导线的等效电荷密度q；
所述步骤22根据以下公式计算：
U＝λ*q；
其中，u为微元导线的电压；λ为微元导线的电位系数；
电位系数的计算公式如下：
步骤23，根据所述等效电荷密度q，计算所述微元导线在目标点C的工频电场强度；
所述步骤23的计算公式为：
式中，q表示微元导线的等效电荷密度，ε0表示真空的介电常数，r表示目标点C到微元导线的距离，θ1和θ2分别表示目标点C与微元导线起点A和终点B的夹角，Ez表示沿导线平行方向的工频电场强度，Er表示沿导线垂直方向的工频电场强度。
步骤24，获取所述目标点C点在微元导线上的投影D点的坐标；
步骤25，根据所述目标点C点在微元导线上的投影D点的坐标，将所有所述微元导线在目标点C点产生的工频电场强度沿三个坐标轴投影并逐项叠加。式中，R为导线半径，h为导线距离地面高度，ε0表示真空的介电常数。
所述步骤24的公式为
其中，A点为导线起点，B点为导线终点，C点为目标点，D点为C点在微元导线上的投影点。
所述步骤25的公式为
其中，E表示室内导线在目标点的三维电场强度，是矢量单位；Ezi表示第i个微元导线沿导线平行方向的工频电场强度；Eri表示第i个微元导线沿导线垂直方向的工频电场强度；U表示第i个微元导线的电压；λi表示第i个微元导线的电位系数；ri表示第i段微元导线距离目标点C的距离；ε0表示真空的介电系数；Ai和Bi表示第i段微元导线的起点和终点；Di点为C点在第i段微元导线上的投影点；θ1i和θ2i分别表示目标点C与第i段微元导线起点Ai和终点Bi的夹角。
如图2所示，为本发明所述的一种室内布线的优化装置，包括：
初始化单元，根据布线路径需求，选择遗传算法中的染色体结构的编码规则；根据所述编码规则，确定遗传算法中的染色体结构；根据所述染色体结构，生成包含M个个体的初始种群G；
算法单元，进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点,形成下一代种群；
第一重复单元，重复所述步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；
加法单元，使n＝n+1，进行步骤1～3，得到路径点数为n+1时的最优路径；
第二重复单元，重复所述步骤4，直到最优路径的适应度收敛或达到迭代上限，当前的最优路径即是当前布线优化问题的最优解，输出所述当前的最优路径。
以下描述本发明的应用场景。
一种工频电场的计算方法，包括：
建立居室内导线工频电场的三维计算模型。具体计算步骤如下：
步骤1，建立居室的三维坐标系。以居室某一顶点为坐标原点建立三维坐标系，如图3所示，c点表示居室空间内待计算的目标点，坐标为C(x0,y0,z0)；
步骤2，将导线划分为若干个微元导线。划分完成后，针对某一微元线段在目标点C的工频电场强度的计算，可等效为单位长度通电导体在某点的电场强度的计算，电场计算简图如图4所示，计算公式见式(1)；
式中，q表示微元导线的等效电荷密度，ε0表示真空的介电常数，r表示目标点C到微元导线的距离，θ1和θ2分别表示目标点C与微元导线起点A和终点B的夹角(如图4所示)，Ez表示沿导线方向的电场强度，Er表示沿方向的电场强度。
步骤3，等效电荷密度q的计算。通电导线的等效电荷与导线电压有关，具体关系式为：U＝λ*q；λ为导线的电位系数，可由镜像原理求得。地面为电位等于零的平面，地面的感应电荷可由对应地面导线的镜像电荷代替。电位系数的计算公式如下：
式中，R为导线半径，h为导线距离地面高度。
步骤4求D点的坐标。在图4中,根据式(3)的几何关系，可以求出D点的坐标。
步骤5，将所有微元导线在目标点C点产生的工频电场强度沿三个坐标轴投影并逐项叠加，计算公式见式(4)。
其中，E表示室内导线在目标点的三维电场强度，是一个矢量单位；Ezi表示第i个微元导线沿导线平行方向的工频电场强度；Eri表示第i个微元导线沿导线垂直方向的工频电场强度；U表示电压；λi表示第i个微元导线的电位系数；ri表示第i段微元导线距离目标点C的距离；ε0表示真空的介电系数；Ai和Bi表示第i段微元导线的起点和终点；Di点为C点在第i段微元导线上的投影点；θ1i和θ2i分别表示目标点C与第i段微元导线起点Ai和终点Bi的夹角。
本发明拟使用点集描述导线走向。如图5所示，已知导线起点A和终点B时，不同的布线方案可以用导线进过的点的集合P＝{p1,p2,p3,…,pn}进行描述。
布线的优化过程即是寻找一个点集P使其对应的布线方案在居室空间某区域产生工频电场强度足够小。综合考虑计算量及实现难度，拟采用遗传算法作为优化算法。为满足遗传算法的数据形式，首先确定点集P包含的点数(设n＝N)并用坐标描述(见式(5))。
将矩阵Xp展开为一维向量，并将向量中元素确定精度后转换为二进制编码首尾相连拼接构成“染色体”，以确定“染色体”结构。
“染色体”的解码过程也是相对应的，将优化计算得到的新“染色体”进行逆操作解码，得到新的点集P’，用式(5)计算点集P’对应布线在目标点C点产生的工频电场强度E’，由于本研究需寻找较小的E’，因此取1/E’为个体适应度，并在选择过程中剔除掉超出居室表面范围的点。至此明确了本研究中优化目标的转换、编码、解码与适应度计算方法，即可将其代入遗传算法进行优化过程。
基于基本遗传算法，优化过程主要包括编码和初始种群生成、解码及适应度评估、选择、变异、判断输出等步骤，但在本研究中路径点数N也是需要优化的参数，由于不同的路径点数会对应不同的“染色体”结构，因此需在以上步骤外层再构造一层迭代以寻找合适的路径点数N。N的确定主要需平衡计算量与结果准确度，N较大时会导致“染色体”较长，增加计算量，N较小时会导致结果精度较低甚至局限于局部最优解。本研究设置一定的初始路径点数N0，在此基础上每次迭代使路径点数加1，当结果收敛或达到设置的最大点数时输出。基于以上思路形成优化算法流程图如图6所示。
针对一个具体的布线优化过程，首先给出一定的初始路径点数n＝N0，生成3×n个随机数表示n个初始点(点集P)的x,y,z坐标(Xp)，将其展开为长度为3n的向量(Xf),并将向量内元素转换为二进制编码首尾相连即得到了一个初始个体(Xf_B)，重复上述过程M次得到包含M个个体的初始种群G。
进行基本遗传算法的优化过程，将M个个体解码为点集形成M条路径，计算沿各条路径布线在目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点,形成下一代种群。
重复步骤(2)直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径。
使n＝n+1，进行步骤(1)～(3)得到路径点数为n+1时的最优路径。
重复步骤(4)，直到最优路径的适应度收敛或达到迭代上限，此时的最优路径即是此方法下当前布线优化问题的最优解，输出路径完成优化。
本发明中，确定起点终点相对位置(同面、邻面、对面)，选择对应的“染色体”编码方法，确定初始路径点数N0后确定染色体长度(即二进制数字串长度)，随机生成M个相应长度的二进制字符串，即为初始种群。随后进行解码、计算电场强度、适应度评估等步骤及算法迭代过程。
当导线起点A和终点B相对位置不同时，优化过程也会存在一定的差异，在此将起点和终点分为同面、邻面和对面三种情况进行讨论：
首先，定义m、n、i为路径通过的相应面上的点的数目。相邻面时，m和n为路径在起始面和终止面上经过的点数。对面时m、n、i为路径在起始面、相邻面和终止面上经过的点数。
(1)同面情况；
当A、B两点共面时，考虑布线也在同一面上进行，此时直接按图6流程进行优化计算即可，且由于所有点共面，只需考虑二维情况，点集坐标可改写为Xp＝[x1,y1；x2,y2；…；xn,yn]，并一定程度上降低计算量。
(2)相邻面情况；
当A、B两点在相邻面时，需分别考虑点集中的点在这两个面(面a、面b)上的分布情况，此时可将点集坐标改写为Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；yl,k]，式中(x,y)为路径经过的面a上的点的坐标，(y’,z)为路径经过的面b上的点的坐标,yl为路径经过的a、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置，即k＝m，图7为k＝m＝3,n＝2时的点集分布示意图。
(3)对面情况；
A、B点在对面时，相应需考虑各自面a、面b及路径经过的中间面(面c)的情况，同样对点集坐标矩阵进行改写，可用以下形式表示Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；x'1,y"1；x'2,y"2；…；x'i,y"i；yl,k；y'l,k'；s]式中(x,y)为路径经过的面a上的点的坐标，(y’,z)为路径经过的面c上的点的坐标,(x’,y”)为路径经过的面b上的点的坐标，yl为路径经过的a、c面相交棱上的点的坐标，y’l为路径经过的c、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置(k＝m)，k’为(y’,z)和(x’,y”)两组点的分界位置(k’＝n),s为面c的编号(由于面c位置不确定，因此需将居室6个面提前编号并进行寻优)。图8为k＝m＝3,k’＝n＝2,i＝2时的点集分布示意图。
在解决优化布线问题时，本发明也可以为使居室内某区域的工频电场强度最小，可以进行多个折点的选择，通过遍历所有折点的路径，从而选择最为优化的导线布线路径。
在居室内，已知导线的起点(输入口)和终点(通常为插座或者用电器等)，为使空间某点或某区域的工频电场强度最小而进行导线布线的最优路径规划。
现有技术只考虑了超高压输电线路的电场计算(通常输电线路为直线)，而对于居室内较为复杂的布线下的电场问题并未给出计算模型；缺点：居室内导线通常沿墙壁走线，墙面上可选节点数和边数较多，采用Dijkstra算法计算量较大，耗时长，效率低。
本发明具有以下有益效果：
1、本发明在已知室内导线布线情况下，建立居室内导线的工频电场三维计算模型，能够计算出居室空间内某坐标点的工频电场；
2、本发明在已知导线起点和终点的情况下，为使居室空间某区域工频电场强度较小，给出一种计算量较小的优化布线方法。
3、计算方法简单，耗时短，效率高。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种室内布线的优化方法，其特征在于，包括：
步骤1，根据布线路径需求，选择遗传算法中的染色体结构的编码规则；根据所述编码规则，确定遗传算法中的染色体结构；根据所述染色体结构，生成包含M个个体的初始种群G；
步骤2，进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点，形成下一代种群；
步骤3，重复所述步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；
步骤4，使n＝n+1，进行步骤1～3，得到路径点数为n+1时的最优路径；
步骤5，重复所述步骤4，直到最优路径的适应度收敛或达到迭代上限，当前的最优路径即是当前布线优化问题的最优解，输出所述当前的最优路径；
所述根据布线路径需求，选择遗传算法中的染色体结构的编码规则的步骤包括：
当所述布线路径需求的起点A和终点B在相邻面时，Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；yl,k]，式中(x,y)为初始路径经过的面a上的点的坐标，(y’,z)为初始路径经过的面b上的点的坐标,yl为初始路径经过的a、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置；
当所述布线路径需求的起点A和终点B在对面时，
Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；x'1,y"1；x'2,y"2；…；x'i,y"i；yl,k；y'l,k'；s],
其中，(x,y)为初始路径经过的面a上的点的坐标，(y’,z)为初始路径经过的面c上的点的坐标,(x’,y”)为初始路径经过的面b上的点的坐标，yl为初始路径经过的a、c面相交棱上的点的坐标，y’l为路径经过的c、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置，k’为(y’,z)和(x’,y”)两组点的分界位置,s为面c的编号。
2.根据权利要求1所述方法，其特征在于，所述根据所述编码规则，确定遗传算法中的染色体结构的步骤包括：
根据所述染色体结构的编码规则，得到路径表示形式Xp，将Xp中数值用二进制表示后，拼接形成一个二进制数字串，即得到于所述编码规则相应的染色体结构。
3.根据权利要求1所述的方法，其特征在于，所述计算沿各条路径布线在目标点C点产生的工频电场强度E包括：
步骤21，以居室一顶点为坐标原点建立三维坐标系，c点表示居室空间内待计算的目标点，坐标为C(x0,y0,z0)；
步骤22，将导线划分为若干个微元导线；计算所述微元导线的等效电荷密度q；
步骤23，根据所述等效电荷密度q，计算所述微元导线在目标点C的工频电场强度；
步骤24，获取所述目标点C点在微元导线上的投影D点的坐标；
步骤25，根据所述目标点C点在微元导线上的投影D点的坐标，将所有所述微元导线在目标点C点产生的工频电场强度沿三个坐标轴投影并逐项叠加，作为路径布线在目标点C点产生的工频电场强度E。
4.根据权利要求3所述的方法，其特征在于，所述步骤22根据以下公式计算：
U＝λ*q；
其中，u为微元导线的电压；λ为微元导线的电位系数；
电位系数的计算公式如下：
式中，R为导线半径，h为导线距离地面高度，ε0表示真空的介电常数。
5.根据权利要求3所述的方法，其特征在于，所述步骤23的计算公式为：
式中，q表示微元导线的等效电荷密度，ε0表示真空的介电常数，r表示目标点C到微元导线的距离，θ1和θ2分别表示目标点C与微元导线起点A和终点B的夹角，Ez表示沿导线平行方向的工频电场强度，Er表示沿导线垂直方向的工频电场强度。
6.根据权利要求3所述的方法，其特征在于，所述步骤24的公式为
其中，A点为导线起点，B点为导线终点，C点为目标点，D点为C点在微元导线上的投影点。
7.根据权利要求3所述的方法，其特征在于，所述步骤25的公式为
其中，E表示路径布线在目标点C点产生的工频电场强度，是矢量单位；Ezi表示第i个微元导线沿导线平行方向的工频电场强度；Eri表示第i个微元导线沿导线垂直方向的工频电场强度；U表示电压；λi表示第i个微元导线的电位系数；ri表示第i段微元导线距离目标点C的距离；ε0表示真空的介电系数；Ai和Bi表示第i段微元导线的起点和终点；Di点为C点在第i段微元导线上的投影点；θ1i和θ2i分别表示目标点C与第i段微元导线起点Ai和终点Bi的夹角。
8.一种实现权利要求1所述优化方法的室内布线优化装置，其特征在于，包括：
初始化单元，根据布线路径需求，选择遗传算法中的染色体结构的编码规则；根据所述编码规则，确定遗传算法中的染色体结构；根据所述染色体结构，生成包含M个个体的初始种群G；
算法单元，进行基本遗传算法的优化过程，将所述M个个体解码为点集，形成M条路径布线，计算沿各条所述路径布线在预定的目标点C点产生的工频电场强度E，取适应度函数为fE＝1/E，对种群个体进行适应度评估及选择、交叉、变异，并剔除掉超出居室表面范围的点,形成下一代种群；
第一重复单元，重复所述步骤2，直至最大适应度收敛或迭代达到上限，此时适应度最高的个体对应的路径即为路径点数为n时的最优路径；
加法单元，使n＝n+1，进行步骤1～3，得到路径点数为n+1时的最优路径；
第二重复单元，重复所述步骤4，直到最优路径的适应度收敛或达到迭代上限，当前的最优路径即是当前布线优化问题的最优解，输出所述当前的最优路径；
所述根据布线路径需求，选择遗传算法中的染色体结构的编码规则具体为：
当所述布线路径需求的起点A和终点B在相邻面时，Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；yl,k]，式中(x,y)为初始路径经过的面a上的点的坐标，(y’,z)为初始路径经过的面b上的点的坐标,yl为初始路径经过的a、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置；
当所述布线路径需求的起点A和终点B在对面时，
Xp＝[x1,y1；x2,y2；…；xm,ym；y'1,z1；y'2,z2；…；y'n,zn；x'1,y"1；x'2,y"2；…；x'i,y"i；yl,k；y'l,k'；s],其中，(x,y)为初始路径经过的面a上的点的坐标，(y’,z)为初始路径经过的面c上的点的坐标,(x’,y”)为初始路径经过的面b上的点的坐标，yl为初始路径经过的a、c面相交棱上的点的坐标，y’l为路径经过的c、b面相交棱上的点的坐标，k为(x,y)和(y’,z)两组点的分界位置，k’为(y’,z)和(x’,y”)两组点的分界位置,s为面c的编号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010638387.9A CN111881534B (zh) | 2020-07-03 | 2020-07-03 | 一种室内布线的优化方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010638387.9A CN111881534B (zh) | 2020-07-03 | 2020-07-03 | 一种室内布线的优化方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111881534A CN111881534A (zh) | 2020-11-03 |
| CN111881534B true CN111881534B (zh) | 2024-05-21 |
Family
ID=73150918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010638387.9A Active CN111881534B (zh) | 2020-07-03 | 2020-07-03 | 一种室内布线的优化方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111881534B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678421A (zh) * | 2016-01-07 | 2016-06-15 | 中山大学 | 一种基于遗传算法的指路标志指引可达性优化方法 |
| CN106503844A (zh) * | 2016-10-19 | 2017-03-15 | 国网山东省电力公司济阳县供电公司 | 一种采用遗传算法的电力线路路径寻优方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6769097B2 (en) * | 2002-06-27 | 2004-07-27 | Lsi Logic Corporation | Scale-invariant topology and traffic allocation in multi-node system-on-chip switching fabrics |
-
2020
- 2020-07-03 CN CN202010638387.9A patent/CN111881534B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678421A (zh) * | 2016-01-07 | 2016-06-15 | 中山大学 | 一种基于遗传算法的指路标志指引可达性优化方法 |
| CN106503844A (zh) * | 2016-10-19 | 2017-03-15 | 国网山东省电力公司济阳县供电公司 | 一种采用遗传算法的电力线路路径寻优方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111881534A (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112686429B (zh) | 移动机器人及其基于自适应遗传算法的路径规划方法 | |
| Celozzi et al. | Active shielding for power-frequency magnetic field reduction using genetic algorithms optimisation | |
| CN105118091B (zh) | 一种构建多精度非均匀地质网格曲面模型的方法和系统 | |
| CN101877146B (zh) | 一种扩充三维人脸数据库的方法 | |
| El Dein | Magnetic-field calculation under EHV transmission lines for more realistic cases | |
| Jerin Leno et al. | MIP model and elitist strategy hybrid GA–SA algorithm for layout design | |
| CN107506914A (zh) | 计及分布式电源渗透率变化的变电站动态扩展规划方法 | |
| CN111881534B (zh) | 一种室内布线的优化方法和装置 | |
| Hawari et al. | Industry 4.0 with intelligent manufacturing 5G mobile robot based on genetic algorithm | |
| JP3389875B2 (ja) | 自動部品配置システム並びに自動部品配置プログラムを記録した記録媒体 | |
| Chatzikonstantinou | A 3-dimensional architectural layout generation procedure for optimization applications: DC-RVD | |
| CN117725749B (zh) | 一种基于物联网的桥架线路布设优化方法及系统 | |
| Abu et al. | Optimization of an autonomous mobile robot path planning based on improved genetic algorithms | |
| CN107786989A (zh) | 一种Lora智能水表网络网关部署方法及装置 | |
| CN112150059B (zh) | 一种基于乌鸦算法的计量器具智能仓库调度优化方法 | |
| Soltanpour et al. | Optimisation of double‐sided linear switched reluctance motor for mass and force ripple minimisation | |
| CN109740237B (zh) | 一种基于蒙特卡洛的建筑机电点位布置方法 | |
| CN115293430A (zh) | 一种基于合作型协同进化算法的无人节点协同方法及系统 | |
| Wen et al. | An efficient preprocessing method for suboptimal route computation | |
| Wang et al. | A method based on PSO for pipe routing design | |
| Pemarathne et al. | Optimizing the electrical wire routing through multiple points using multi-objective ant colony algorithms for electrical wire routing (moacs-ewr) | |
| Mehdi et al. | Interval-based initialization method for permutation-based problems | |
| Chang et al. | Automatic Pipe Routing in Buildings | |
| Xu et al. | An Indoor Space Partition Method and its Fingerprint Positioning Optimization Considering Pedestrian Accessibility | |
| Rosenberg et al. | Evolutionary Algorithms for Planning Remote Electricity Distribution Networks Considering Isolated Microgrids and Geographical Constraints |
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 |