CN112990770A - 一种基于群体优化算法的垃圾焚烧厂选址方法 - Google Patents
一种基于群体优化算法的垃圾焚烧厂选址方法 Download PDFInfo
- Publication number
- CN112990770A CN112990770A CN202110432196.1A CN202110432196A CN112990770A CN 112990770 A CN112990770 A CN 112990770A CN 202110432196 A CN202110432196 A CN 202110432196A CN 112990770 A CN112990770 A CN 112990770A
- Authority
- CN
- China
- Prior art keywords
- site selection
- factors
- algorithm
- waste incineration
- incineration plant
- 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.)
- Pending
Links
- 238000004056 waste incineration Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 239000002245 particle Substances 0.000 claims abstract description 24
- 241000283153 Cetacea Species 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000013139 quantization Methods 0.000 claims abstract description 6
- 230000007613 environmental effect Effects 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 239000010813 municipal solid waste Substances 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 239000002699 waste material Substances 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 239000002910 solid waste Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Processing Of Solid Wastes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于群体优化算法的垃圾焚烧厂选址方法，包括：Step 1：选址参数分析；Step 2：通过选址模型子系统来建立选址模型：选址模型子系统根据实际城市的各个影响因素进行量化处理得到的各项数据进行调用分析，获取当前城市的垃圾焚烧厂选址因素模型，得到当前目标城市的选址模型；Step 3：群体算法子系统：采用基于鲸群算法和粒子群算法的混合群体优化算法实现的选址算法子系统，结合选址参数分析子系统和选址模型子系统对垃圾焚烧厂进行选址得到最佳的垃圾焚烧厂地址。解决传统单一的群体优化算法精度不足等问题。
Description
技术领域
本发明涉及垃圾焚烧、选址技术领域，特别涉及一种基于群体优化算法的垃圾焚烧厂选址方法。
背景技术
垃圾焚烧是现代城市处理城市垃圾的主流方法，处理厂地址的选择涉及的方方面面问题很多，面对种种限制和要求，选址问题包括选址要求的分析和量化，垃圾焚烧厂选址的算法选择和选址模型的设计是选址的重点和难点。
在选址问题上，对选址方法的研究中，主流方法是通过层次分析法来进行垃圾焚烧厂选址地点进行决策，通过层次分析法来对复杂系统做出决策模型，这种方法存在的问题是需要给定几个备选点才可以进行比较，在备选点中得到最终选址地点，灵活性较差，人为干扰较多，实际精度较差。对于垃圾焚烧厂选址问题，可以通过引入群体优化算法的方式进行选址模型的建立和寻优。选用群体优化算法可以通过调整算法直接获取到算法模型中最优的选址位置，通过调整算法模型中不同因素的权重来改变垃圾焚烧厂选址的位置，十分高效准确。使用传统单一的群体优化算法有一定的缺陷，如在模型寻优迭代过程中容易陷入局部极值，精度不足等问题，群体优化算法需要通过新的改进避免上述的问题。因此提出一种性能优秀的群体优化算法完成垃圾焚烧厂精确选址十分必要。
发明内容
为了解决背景技术提出的技术问题，本发明提供一种基于群体优化算法的垃圾焚烧厂选址方法，通过混合群体优化算法精确定位出垃圾焚烧厂修建地址，解决传统单一的群体优化算法精度不足等问题。
为了达到上述目的，本发明采用以下技术方案实现：
一种基于群体优化算法的垃圾焚烧厂选址方法，包括如下步骤：
Step 1：选址参数分析：首先从选址数据集中获取相应的数据，从选址城市的数据集中获取选址具体所需的数据并进行预处理获取相关参数，将这些参数存储到选址模型数据库中，供选址模型子系统和选址参数分析子系统来进行分析使用，步骤Step 1中的数据都会通过选址参数分析子系统进行处理存入数据库中；
Step 2：通过选址模型子系统来建立选址模型：选址模型子系统根据实际城市的各个影响因素进行量化处理得到的各项数据进行调用分析，获取当前城市的垃圾焚烧厂选址因素模型，得到当前目标城市的选址模型；
Step 3：群体算法子系统：采用基于鲸群算法和粒子群算法的混合群体优化算法实现的选址算法子系统，结合选址参数分析子系统和选址模型子系统对垃圾焚烧厂进行选址得到最佳的垃圾焚烧厂地址。
进一步地，所述的Step 1具体步骤如下：
Step 1-1：确定垃圾焚烧厂选址影响参数，环境方面，从城市年鉴及政府发布的数据获取城市信息，包括城市常住人口，城市土地规划信息，各居民区位置及人口数量，城市公共空间包括公园，景区等位置所需数据信息，经济方面，获取城市各大商圈位置和规模信息，完成选址数据的收集，如需要更多的影响因素可以后续进行添加，所包含信息都存入数据库中备用。
以下Step 1各步骤都通过选址参数分析子系统对选址数据收集过来的数据进行处理，得到各个量化参数存入数据库中。
Step 1-2：通过城市常住人口人均垃圾产生量计算出垃圾焚烧厂规模；
Step 1-3：通过城市规划信息对城市各类地段进行区域划分成三类地段，给予不同权重；
所选位置土地价格因素评分Elnd；
Elnd由实际情况按照当地规划进行，按待选位置区域进行评分，评分公式如下：
其中，c1，c2和c3分别为不同地段的评分，评分由专家方法结合层次分析法给出，d为所选位置的距离参数(由选址坐标和目标坐标之间的距离确定)，n1和n2表示城市土地一类地段和二类地段范围(距离单位为km)。
根据地址所处不同位置给出评分具体分数由当地地段进行确定；
Step 1-4：通过城市经济数据，获取到城市的不同位置的经济因素权重，具体方式如下；设置所选位置的经济因素评分Eeco；
其中，ai为第i个商圈的隶属函数，di为第i个位置的距离参数(由选址坐标和目标坐标之间的距离确定)，n为所选位置的数量；
其中，n1和n2为距离范围参数，由实际情况划定的影响范围，单位km；
Step 1-5：通过年鉴等相关信息获得环境因素评分，具体方式如下：
所选位置的环境因素评分Eenv；
其中，bi为第i个环保区的隶属函数；di为第i个环保区的距离参数(由选址坐标和目标坐标之间的距离确定)，n为所选位置的数量；
其中，n1和n2为距离范围参数，由实际情况划定的影响范围，单位km；
Step 1-6：通过年鉴等相关信息获得运输成本因素评分，具体方式如下：
Etran为所选位置运输因素评分；
Etran＝Dmin/Di (6)
其中，Dmin为待选点中的总运输距离最小的点，Di为第i个待选点的运输总距离，n为运输点的总数量，单位km。(x,y)和(xi,yi)分别为垃圾焚烧厂坐标和各垃圾回收点的坐标；
进一步地，所述的Step 2具体步骤如下，Step 2所涉及的系统结构部分为选址模型子系统：
Step 2-1：通过选址模型子系统确定模型包含的因素：服务人口、城市中心位置、地区经济、运输成本、影响因素包括环保因素、法律法规因素、土地价格因素，在从数据库获取选址参数分析子系统的各个因素的量化信息后，再进一步搭建针对目标城市的选址模型；
Step 2-2：确定服务人口：垃圾厂处理能力要根据所在地要服务的人数，此参数可以从当地政府报告中获取，人口聚集区则可以通过社区街道办进行简化，获得服务人口数据和居民聚集区坐标信息；
Step 2-3：确定城市中心：根据当地城市行政划定，获取坐标，可以通过坐标计算距离相关距离参数；
Step 2-4：地区经济因素评价方法：商业贸易繁华区经济发展比较好，经济水平与商业关联度较高，所以地区经济水平(城镇，不包含工业区)按照商业区进行划分，一般来说按照商圈来划分，按照规模评定商圈辐射的范围，按照Step 1-4进行权重计算；
Step 2-5：运输成本评价方法：按照垃圾厂到居民聚集点的距离进行简化，直接计算垃圾焚烧厂到各个居民聚集点的距离(规模庞大的城市考虑垃圾中转站)，计算总距离，由此来计算运输成本；
Step 2-6：环保因素评价方法：将重要水源地，风景区，公园位置进行定位，根据实际的地形，规模划定保护区域，保护区周边不允许作为垃圾焚烧厂选择范围；
Step 2-7：法律法规因素评价方法：法律法规对垃圾焚烧厂选址有一些详细的规定，例如《中华人民共和国环境保护法》《中华人民共和国固体废物污染环境防治法》等相关法规，按照政策因素划定禁止选择区域，将这些区域划出垃圾焚烧厂选址待选区；
Step 2-8：土地价格评价方法：土地价格因素主要影响建厂成本，本模型将土地价格区域进行简化，不同城市的土地价格差异很大，一般都会有一类、二类，三类土地的划定，一类价格最高，由此类推，本文通过这三类进行土地价值的划分；
Step 2-9：在考虑政策因素，经济因素，环境保护因素，运输成本因素，土地成本因素情况下(按照不同分析角度，可以加入更多所需的影响因素，本模型主要考虑这五点因素)，建立垃圾焚烧厂选址评分模型如下：
Escr＝WecoEeco+WenvEenv+WtranEtran+WlndElnd (8)
其中，Weco、Wenv、Wtran、Wlnd分别为经济、环境、运输、土地价格因素权重，由专家意见结合层次分析法给出，Eeco、Eenv、Etran、Elnd分别为经济、环境、运输、土地价格因素评分，Escr为最终的评价分数，具体内容如下。
根据设计原则要求建立层次结构模型，层次结构模型构造遵循四个重要原则，包括环境友好、经济合理(主要为地价和运营)、政策和发展和交通运输。环境友好原则包括环境因素有风景区，水源地保护区、公园等因素等。经济方面则考虑到商业区等因素，交通运输方面考虑到运行的总距离，政策方面则考虑到政府对城市地段规定，按规定将地段划分为三个类型因素，政府环保部门规划焚烧厂建造的区间范围，由这些因素构造判断矩阵给出各影响因素评分。
Step 3具体步骤如下，此部分为选址算法子系统：
Step 3-1：定义种群位置矩阵P，种群中每个元素代表一个垃圾焚烧厂的待选地址位置(经度x和维度y)，矩阵P的维度为2×N，N表示待选地址位置的数量。在矩阵P中随机生成N个初始位置，并给出用于群体算法的最大迭代次数Max_Iter；
Step 3-2：将种群矩阵P中的每一个待选地址位置依次代入由选址模型子系统给出的垃圾焚烧厂选址评分模型，计算出适应度值N个Escr评分，并选出其中最高的Escr评分，判断该Escr评分是否为全局最高评分，如果是，在数据库中保存当前最高的Escr评分及其对应的位置坐标。令当前迭代中Escr分数最高的地址位置为X*，令其他地址位置为X，利用如下鲸群优化公式更新用于下次迭代的地址位置，由此得到新的种群位置矩阵PWOA；
鲸群算法第一阶段为包围猎物阶段，公式如下：
其中，t表示当前迭代次数，A和C是[0,1]之间的随机数，
是调节距离向量，
是由X*组成的当前最佳位置向量，
是由X组成的地址位置向量，PWOA为更新后的位置向量。
第二阶段为泡泡网攻击阶段，泡泡网攻击策略包含两种行为，一种为收缩环绕，另一种为螺旋更新，收缩环绕和螺旋更新公式如下，
其中，b为对螺旋常数，l是区间[-1,1]中的随机数，p是收缩环绕和螺旋更新两种行为的切换几率。
第三阶段为搜索阶段，相对于前两阶段，根据随机选择的搜索位置来更新第三阶段的搜素位置，这种方式并允许鲸群算法执行全局搜索。对应公式如下：
其中，
为随机位置向量。
Step 3-3：将种群矩阵P中的每一个待选地址位置代入如下粒子群优化公式，得到粒子的种群位置PPSO；
其中，V为速度向量，w为惯性权重，d为搜索维度，d＝1,2,…,n，i为粒子的个体，i＝1,2,3,…,n。k为当前迭代次数，
为更新后的粒子速度，
为当前粒子速度，
为当前种群个体极值，
为当前种群的全局极值；β1，β2为加速因子，是非负的常数。r1，r2是分布在[0,1]之间的随机数，
为当前位置向量，PPSO为新的位置向量。
Step 3-4：根据Step 3-2和Step 3-5获取的鲸鱼群算法的种群位置PWOA和粒子群算法得到的种群位置PPSO修正新的种群位置P，公式如下，k1，k2为权重调整参数，可以根据实际的情况对鲸鱼群算法及粒子群算法的权重进行调整:
Step 3-5：判断算法是否达到最大迭代次数Max_Iter，达到则输出全局最高的Escr评分及其对应的选址位置坐标；反之，回到Step 3-2；
Step 3-6：可选择对权重参数进行调整或添加新的权重信息，如选择该模式，则返回Step 3-1；反之，得到最优的选址位置。
与现有技术相比，本发明的有益效果是：
1、选址算法采用一种混合群体优化算法，实现对垃圾焚烧厂的选址，混合群体优化算法是基于群体优化算法的一种创新方法，实现对寻优模型的快速高效求解，相对于传统群体优化算法来说，可以在算法迭代寻优前期加速极值的收敛，在迭代寻优后期避免算法陷入局部极值，让所计算的结果逼近模型极值。
2、选址模型实现对选址因素的量化分析，模型具有拓展性，可以随着城市变化产生适应性的变化，得到最合适的选址模型。
附图说明
图1是本发明的垃圾焚烧厂选址模型结构图；
图2是本发明的选址算法流程图；
图3是本发明的选址因素模型图。
具体实施方式
以下结合附图对本发明提供的具体实施方式进行详细说明。
一种基于群体优化算法的垃圾焚烧厂选址方法，各系统模块功能关系如图1所示，包括如下步骤：
Step 1：选址参数分析：首先从选址数据集中获取相应的数据，从选址城市的数据集中获取选址具体所需的数据并进行预处理获取相关参数，将这些参数存储到选址模型数据库中，供选址模型子系统和选址参数分析子系统来进行分析使用，步骤Step 1中的数据都会通过选址参数分析子系统进行处理存入数据库中；
Step 2：通过选址模型子系统来建立选址模型：选址模型子系统根据实际城市的各个影响因素进行量化处理得到的各项数据进行调用分析，获取当前城市的垃圾焚烧厂选址因素模型，得到当前目标城市的选址模型；
Step 3：群体算法子系统：采用基于鲸群算法和粒子群算法的混合群体优化算法实现的选址算法子系统，结合选址参数分析子系统和选址模型子系统对垃圾焚烧厂进行选址得到最佳的垃圾焚烧厂地址。算法流程图如图2。
所述的Step 1具体步骤如下：
Step 1-1：确定垃圾焚烧厂选址影响参数，环境方面，从城市年鉴及政府发布的数据获取城市信息，包括城市常住人口，城市土地规划信息，各居民区位置及人口数量，城市公共空间包括公园，景区等位置所需数据信息，经济方面，获取城市各大商圈位置和规模信息，完成选址数据的收集，如需要更多的影响因素可以后续进行添加，所包含信息都存入数据库中备用。
以下Step 1各步骤都通过选址参数分析子系统对选址数据收集过来的数据进行处理，得到各个量化参数存入数据库中。
Step 1-2：通过城市常住人口人均垃圾产生量计算出垃圾焚烧厂规模；
Step 1-3：通过城市规划信息对城市各类地段进行区域划分成三类地段，给予不同权重；
所选位置土地价格因素评分Elnd；
Elnd由实际情况按照当地规划进行，按待选位置区域进行评分，评分公式如下：
其中，c1，c2和c3分别为不同地段的评分，评分由专家方法结合层次分析法给出，d为所选位置的距离参数(由选址坐标和目标坐标之间的距离确定)，n1和n2表示城市土地一类地段和二类地段范围(距离单位为km)。
根据地址所处不同位置给出评分具体分数由当地地段进行确定；
Step 1-4：通过城市经济数据，获取到城市的不同位置的经济因素权重，具体方式如下；设置所选位置的经济因素评分Eeco；
其中，ai为第i个商圈的隶属函数，di为第i个位置的距离参数(由选址坐标和目标坐标之间的距离确定)，n为所选位置的数量；
其中，n1和n2为距离范围参数，由实际情况划定的影响范围，单位km；
Step 1-5：通过年鉴等相关信息获得环境因素评分，具体方式如下：
所选位置的环境因素评分Eenv；
其中，bi为第i个环保区的隶属函数；di为第i个环保区的距离参数(由选址坐标和目标坐标之间的距离确定)，n为所选位置的数量；
其中，n1和n2为距离范围参数，由实际情况划定的影响范围，单位km；
Step 1-6：通过年鉴等相关信息获得运输成本因素评分，具体方式如下：
Etran为所选位置运输因素评分；
Etran＝Dmin/Di (6)
其中，Dmin为待选点中的总运输距离最小的点，Di为第i个待选点的运输总距离，n为运输点的总数量，单位km。(x,y)和(xi,yi)分别为垃圾焚烧厂坐标和各垃圾回收点的坐标；
所述的Step 2具体步骤如下，Step 2所涉及的系统结构部分为选址模型子系统：
Step 2-1：通过选址模型子系统确定模型包含的因素：服务人口、城市中心位置、地区经济、运输成本、影响因素包括环保因素、法律法规因素、土地价格因素，在从数据库获取选址参数分析子系统的各个因素的量化信息后，再进一步搭建针对目标城市的选址模型；
Step 2-2：确定服务人口：垃圾厂处理能力要根据所在地要服务的人数，此参数可以从当地政府报告中获取，人口聚集区则可以通过社区街道办进行简化，获得服务人口数据和居民聚集区坐标信息；
Step 2-3：确定城市中心：根据当地城市行政划定，获取坐标，可以通过坐标计算距离相关距离参数；
Step 2-4：地区经济因素评价方法：商业贸易繁华区经济发展比较好，经济水平与商业关联度较高，所以地区经济水平(城镇，不包含工业区)按照商业区进行划分，一般来说按照商圈来划分，按照规模评定商圈辐射的范围，按照Step 1-4进行权重计算；
Step 2-5：运输成本评价方法：按照垃圾厂到居民聚集点的距离进行简化，直接计算垃圾焚烧厂到各个居民聚集点的距离(规模庞大的城市考虑垃圾中转站)，计算总距离，由此来计算运输成本；
Step 2-6：环保因素评价方法：将重要水源地，风景区，公园位置进行定位，根据实际的地形，规模划定保护区域，保护区周边不允许作为垃圾焚烧厂选择范围；
Step 2-7：法律法规因素评价方法：法律法规对垃圾焚烧厂选址有一些详细的规定，例如《中华人民共和国环境保护法》《中华人民共和国固体废物污染环境防治法》等相关法规，按照政策因素划定禁止选择区域，将这些区域划出垃圾焚烧厂选址待选区；
Step 2-8：土地价格评价方法：土地价格因素主要影响建厂成本，本模型将土地价格区域进行简化，不同城市的土地价格差异很大，一般都会有一类、二类，三类土地的划定，一类价格最高，由此类推，本文通过这三类进行土地价值的划分；
Step 2-9：在考虑政策因素，经济因素，环境保护因素，运输成本因素，土地成本因素情况下(按照不同分析角度，可以加入更多所需的影响因素，本模型主要考虑这五点因素)，建立垃圾焚烧厂选址评分模型如下：
Escr＝WecoEeco+WenvEenv+WtranEtran+WlndElnd (8)
其中，Weco、Wenv、Wtran、Wlnd分别为经济、环境、运输、土地价格因素权重，由专家意见结合层次分析法给出，Eeco、Eenv、Etran、Elnd分别为经济、环境、运输、土地价格因素评分，Escr为最终的评价分数，具体内容如下。
根据设计原则要求建立层次结构模型，层次结构模型构造遵循四个重要原则，包括环境友好、经济合理(主要为地价和运营)、政策和发展和交通运输。环境友好原则包括环境因素有风景区，水源地保护区、公园等因素等。经济方面则考虑到商业区等因素，交通运输方面考虑到运行的总距离，政策方面则考虑到政府对城市地段规定，按规定将地段划分为三个类型因素，政府环保部门规划焚烧厂建造的区间范围(未在图中对允许建厂的范围进行标注，建厂范围根据各地方本地实际情况进行设置，按照当地政策排除禁选区的备选点)，如图3所示，由这些因素构造判断矩阵给出各影响因素评分。
所述的Step 3具体步骤如下，此部分为选址算法子系统：
Step 3-1：定义种群位置矩阵P，种群中每个元素代表一个垃圾焚烧厂的待选地址位置(经度x和维度y)，矩阵P的维度为2×N，N表示待选地址位置的数量。在矩阵P中随机生成N个初始位置，并给出用于群体算法的最大迭代次数Max_Iter；
Step 3-2：将种群矩阵P中的每一个待选地址位置依次代入由选址模型子系统给出的垃圾焚烧厂选址评分模型，计算出适应度值N个Escr评分，并选出其中最高的Escr评分，判断该Escr评分是否为全局最高评分，如果是，在数据库中保存当前最高的Escr评分及其对应的位置坐标。令当前迭代中Escr分数最高的地址位置为X*，令其他地址位置为X，利用如下鲸群优化公式更新用于下次迭代的地址位置，由此得到新的种群位置矩阵PWOA；
鲸群算法第一阶段为包围猎物阶段，公式如下：
其中，t表示当前迭代次数，A和C是[0,1]之间的随机数，
是调节距离向量，
是由X*组成的当前最佳位置向量，
是由X组成的地址位置向量，PWOA为更新后的位置向量。
第二阶段为泡泡网攻击阶段，泡泡网攻击策略包含两种行为，一种为收缩环绕，另一种为螺旋更新，收缩环绕和螺旋更新公式如下，
其中，b为对螺旋常数，l是区间[-1,1]中的随机数，p是收缩环绕和螺旋更新两种行为的切换几率。
第三阶段为搜索阶段，相对于前两阶段，根据随机选择的搜索位置来更新第三阶段的搜素位置，这种方式并允许鲸群算法执行全局搜索。对应公式如下：
其中，
为随机位置向量。
Step 3-3：将种群矩阵P中的每一个待选地址位置代入如下粒子群优化公式，得到粒子的种群位置PPSO；
其中，V为速度向量，w为惯性权重，d为搜索维度，d＝1,2,…,n，i为粒子的个体，i＝1,2,3,…,n。k为当前迭代次数，
为更新后的粒子速度，
为当前粒子速度，
为当前种群个体极值，
为当前种群的全局极值；β1，β2为加速因子，是非负的常数。r1，r2是分布在[0,1]之间的随机数，
为当前位置向量，PPSO为新的位置向量。
Step 3-4：根据Step 3-2和Step 3-5获取的鲸鱼群算法的种群位置PWOA和粒子群算法得到的种群位置PPSO修正新的种群位置P，公式如下，k1，k2为权重调整参数，可以根据实际的情况对鲸鱼群算法及粒子群算法的权重进行调整:
Step 3-5：判断算法是否达到最大迭代次数Max_Iter，达到则输出全局最高的Escr评分及其对应的选址位置坐标；反之，回到Step 3-2；
Step 3-6：可选择对权重参数进行调整或添加新的权重信息，如选择该模式，则返回Step 3-1；反之，得到最优的选址位置。
以上实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。
Claims (4)
1.一种基于群体优化算法的垃圾焚烧厂选址方法，其特征在于，包括如下步骤：
Step 1：选址参数分析：首先从选址数据集中获取相应的数据，从选址城市的数据集中获取选址具体所需的数据并进行预处理获取相关参数，将这些参数存储到选址模型数据库中，供选址模型子系统和选址参数分析子系统来进行分析使用，步骤Step 1中的数据都会通过选址参数分析子系统进行处理存入数据库中；
Step 2：通过选址模型子系统来建立选址模型：选址模型子系统根据实际城市的各个影响因素进行量化处理得到的各项数据进行调用分析，获取当前城市的垃圾焚烧厂选址因素模型，得到当前目标城市的选址模型；
Step 3：群体算法子系统：采用基于鲸群算法和粒子群算法的混合群体优化算法实现的选址算法子系统，结合选址参数分析子系统和选址模型子系统对垃圾焚烧厂进行选址得到最佳的垃圾焚烧厂地址。
2.根据权利要求1所述的一种基于群体优化算法的垃圾焚烧厂选址方法，其特征在于，所述的Step1具体步骤如下：
Step 1-1：确定垃圾焚烧厂选址影响参数，环境方面，从城市年鉴及政府发布的数据获取城市信息，包括城市常住人口，城市土地规划信息，各居民区位置及人口数量，城市公共空间包括公园，景区等位置所需数据信息，经济方面，获取城市各大商圈位置和规模信息，完成选址数据的收集，如需要更多的影响因素可以后续进行添加，所包含信息都存入数据库中备用；
以下Step 1各步骤都通过选址参数分析子系统对选址数据收集过来的数据进行处理，得到各个量化参数存入数据库中；
Step 1-2：通过城市常住人口人均垃圾产生量计算出垃圾焚烧厂规模；
Step 1-3：通过城市规划信息对城市各类地段进行区域划分成三类地段，给予不同权重；
所选位置土地价格因素评分Elnd；
Elnd由实际情况按照当地规划进行，按待选位置区域进行评分，评分公式如下：
其中，c1，c2和c3分别为不同地段的评分，评分由专家方法结合层次分析法给出，d为所选位置的距离参数，由选址坐标和目标坐标之间的距离确定，n1和n2表示城市土地一类地段和二类地段范围，距离单位为km；
根据地址所处不同位置给出评分具体分数由当地地段进行确定；
Step 1-4：通过城市经济数据，获取到城市的不同位置的经济因素权重，具体方式如下；
设置所选位置的经济因素评分Eeco；
其中，ai为第i个商圈的隶属函数，di为第i个位置的距离参数，由选址坐标和目标坐标之间的距离确定，n为所选位置的数量；
其中，n1和n2为距离范围参数，由实际情况划定的影响范围，单位km；
Step 1-5：通过年鉴等相关信息获得环境因素评分，具体方式如下：
所选位置的环境因素评分Eenv；
其中，bi为第i个环保区的隶属函数；di为第i个环保区的距离参数，由选址坐标和目标坐标之间的距离确定，n为所选位置的数量；
其中，n1和n2为距离范围参数，由实际情况划定的影响范围，单位km；
Step 1-6：通过年鉴等相关信息获得运输成本因素评分，具体方式如下：
Etran为所选位置运输因素评分；
Etran＝Dmin/Di (6)
其中，Dmin为待选点中的总运输距离最小的点，Di为第i个待选点的运输总距离，n为运输点的总数量，单位km；(x,y)和(xi,yi)分别为垃圾焚烧厂坐标和各垃圾回收点的坐标。
3.根据权利要求2所述的一种基于群体优化算法的垃圾焚烧厂选址方法，其特征在于，所述的Step2具体步骤如下：
Step 2-1：通过选址模型子系统确定模型包含的因素：服务人口、城市中心位置、地区经济、运输成本、影响因素包括环保因素、法律法规因素、土地价格因素，在从数据库获取选址参数分析子系统的各个因素的量化信息后，再进一步搭建针对目标城市的选址模型；
Step 2-2：确定服务人口：垃圾厂处理能力要根据所在地要服务的人数，此参数可以从当地政府报告中获取，人口聚集区则可以通过社区街道办进行简化，获得服务人口数据和居民聚集区坐标信息；
Step 2-3：确定城市中心：根据当地城市行政划定，获取坐标，可以通过坐标计算距离相关距离参数；
Step 2-4：地区经济因素评价方法：商业贸易繁华区经济发展比较好，经济水平与商业关联度较高，所以地区经济水平按照商业区进行划分，按照商圈来划分，按照规模评定商圈辐射的范围，按照Step 1-4进行权重计算；
Step 2-5：运输成本评价方法：按照垃圾厂到居民聚集点的距离进行简化，直接计算垃圾焚烧厂到各个居民聚集点的距离，计算总距离，由此来计算运输成本；
Step 2-6：环保因素评价方法：将重要水源地，风景区，公园位置进行定位，根据实际的地形，规模划定保护区域，保护区周边不允许作为垃圾焚烧厂选择范围；
Step 2-7：法律法规因素评价方法：按照政策因素划定禁止选择区域，将这些区域划出垃圾焚烧厂选址待选区；
Step 2-8：土地价格评价方法：土地价格因素主要影响建厂成本，本模型将土地价格区域进行简化，不同城市的土地价格差异很大，有一类、二类，三类土地的划定，一类价格最高，由此类推，本文通过这三类进行土地价值的划分；
Step 2-9：在考虑政策因素，经济因素，环境保护因素，运输成本因素，土地成本因素情况下，建立垃圾焚烧厂选址评分模型如下：
Escr＝WecoEeco+WenvEenv+WtranEtran+WlndElnd (8)
其中，Weco、Wenv、Wtran、Wlnd分别为经济、环境、运输、土地价格因素权重，由专家意见结合层次分析法给出，Eeco、Eenv、Etran、Elnd分别为经济、环境、运输、土地价格因素评分，Escr为最终的评价分数，具体内容如下：
根据设计原则要求建立层次结构模型，层次结构模型构造遵循四个重要原则，包括环境友好、经济合理、政策和发展和交通运输；环境友好原则包括环境因素有风景区，水源地保护区、公园等因素；经济方面则考虑到商业区等因素，交通运输方面考虑到运行的总距离，政策方面则考虑到政府对城市地段规定，按规定将地段划分为三个类型因素，政府环保部门规划焚烧厂建造的区间范围，由这些因素构造判断矩阵给出各影响因素评分。
4.根据权利要求1所述的一种基于群体优化算法的垃圾焚烧厂选址方法，其特征在于，所述的Step3具体步骤如下：
此部分为选址算法子系统：
Step 3-1：定义种群位置矩阵P，种群中每个元素代表一个垃圾焚烧厂的待选地址位置(经度x和维度y)，矩阵P的维度为2×N，N表示待选地址位置的数量；在矩阵P中随机生成N个初始位置，并给出用于群体算法的最大迭代次数Max_Iter；
Step 3-2：将种群矩阵P中的每一个待选地址位置依次代入由选址模型子系统给出的垃圾焚烧厂选址评分模型，计算出适应度值N个Escr评分，并选出其中最高的Escr评分，判断该Escr评分是否为全局最高评分，如果是，在数据库中保存当前最高的Escr评分及其对应的位置坐标；令当前迭代中Escr分数最高的地址位置为X*，令其他地址位置为X，利用如下鲸群优化公式更新用于下次迭代的地址位置，由此得到新的种群位置矩阵PWOA；
鲸群算法第一阶段为包围猎物阶段，公式如下：
其中，t表示当前迭代次数，A和C是[0,1]之间的随机数，
是调节距离向量，
是由X*组成的当前最佳位置向量，
是由X组成的地址位置向量，PWOA为更新后的位置向量；
第二阶段为泡泡网攻击阶段，泡泡网攻击策略包含两种行为，一种为收缩环绕，另一种为螺旋更新，收缩环绕和螺旋更新公式如下:
其中，b为对螺旋常数，l是区间[-1,1]中的随机数，p是收缩环绕和螺旋更新两种行为的切换几率；
第三阶段为搜索阶段，相对于前两阶段，根据随机选择的搜索位置来更新第三阶段的搜素位置，这种方式并允许鲸群算法执行全局搜索；对应公式如下：
其中，
为随机位置向量；
Step 3-3：将种群矩阵P中的每一个待选地址位置代入如下粒子群优化公式，得到粒子的种群位置PPSO；
其中，V为速度向量，w为惯性权重，d为搜索维度，d＝1,2,…,n，i为粒子的个体，i＝1,2,3,…,n；k为当前迭代次数，
为更新后的粒子速度，
为当前粒子速度，
为当前种群个体极值，
为当前种群的全局极值；β1，β2为加速因子，是非负的常数；r1，r2是分布在[0,1]之间的随机数，
为当前位置向量，PPSO为新的位置向量；
Step 3-4：根据Step 3-2和Step 3-5获取的鲸鱼群算法的种群位置PWOA和粒子群算法得到的种群位置PPSO修正新的种群位置P，公式如下，k1，k2为权重调整参数，可以根据实际的情况对鲸鱼群算法及粒子群算法的权重进行调整：
Step 3-5：判断算法是否达到最大迭代次数Max_Iter，达到则输出全局最高的Escr评分及其对应的选址位置坐标；反之，回到Step 3-2；
Step 3-6：可选择对权重参数进行调整或添加新的权重信息，如选择该模式，则返回Step 3-1；反之，得到最优的选址位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110432196.1A CN112990770A (zh) | 2021-04-21 | 2021-04-21 | 一种基于群体优化算法的垃圾焚烧厂选址方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110432196.1A CN112990770A (zh) | 2021-04-21 | 2021-04-21 | 一种基于群体优化算法的垃圾焚烧厂选址方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112990770A true CN112990770A (zh) | 2021-06-18 |
Family
ID=76341521
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110432196.1A Pending CN112990770A (zh) | 2021-04-21 | 2021-04-21 | 一种基于群体优化算法的垃圾焚烧厂选址方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990770A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822497A (zh) * | 2021-10-27 | 2021-12-21 | 深圳市数字城市工程研究中心 | 一种垃圾用地部署中选址的方法 |
| CN114219168A (zh) * | 2021-12-22 | 2022-03-22 | 中冶赛迪工程技术股份有限公司 | 一种基于多模型和大数据的物流园自动选址系统及方法 |
| CN116757333A (zh) * | 2023-08-12 | 2023-09-15 | 中国人民解放军96901部队 | 一种基于居民满意度的分类垃圾箱优化配置方法 |
| CN118134057A (zh) * | 2024-05-06 | 2024-06-04 | 暨南大学 | 城市生活垃圾四分类中转站优化选址方法及服务平台 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516785A (zh) * | 2019-08-09 | 2019-11-29 | 南通大学 | 一种基于粒子群和鲸鱼群的求解双层线性规划混合算法 |
| CN112163884A (zh) * | 2020-09-29 | 2021-01-01 | 北京工商大学 | 基于改进的鲸鱼算法的电动汽车充电站选址建模方法 |
-
2021
- 2021-04-21 CN CN202110432196.1A patent/CN112990770A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516785A (zh) * | 2019-08-09 | 2019-11-29 | 南通大学 | 一种基于粒子群和鲸鱼群的求解双层线性规划混合算法 |
| CN112163884A (zh) * | 2020-09-29 | 2021-01-01 | 北京工商大学 | 基于改进的鲸鱼算法的电动汽车充电站选址建模方法 |
Non-Patent Citations (1)
| Title |
|---|
| SHAN JIANG等: "Study on site selection of municipal solid waste incineration plant based on swarm optimization algorithm", 《WASTE MANAGEMENT & RESEARCH： THE JOURNAL FOR A SUSTAINABLE CIRCULAR ECONOMY》, vol. 40, no. 2, pages 2 - 11 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822497A (zh) * | 2021-10-27 | 2021-12-21 | 深圳市数字城市工程研究中心 | 一种垃圾用地部署中选址的方法 |
| CN114219168A (zh) * | 2021-12-22 | 2022-03-22 | 中冶赛迪工程技术股份有限公司 | 一种基于多模型和大数据的物流园自动选址系统及方法 |
| CN116757333A (zh) * | 2023-08-12 | 2023-09-15 | 中国人民解放军96901部队 | 一种基于居民满意度的分类垃圾箱优化配置方法 |
| CN118134057A (zh) * | 2024-05-06 | 2024-06-04 | 暨南大学 | 城市生活垃圾四分类中转站优化选址方法及服务平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112990770A (zh) | 一种基于群体优化算法的垃圾焚烧厂选址方法 | |
| CN112163367B (zh) | 融合萤火虫算法和元胞自动机的城市扩张模拟预测方法 | |
| CN109359166B (zh) | 一种空间增长动态模拟与驱动力因子贡献度同步计算方法 | |
| CN113112068A (zh) | 一种村镇公共设施选址布局的方法及其系统 | |
| CN107220724A (zh) | 客流量预测方法及装置 | |
| CN110059875A (zh) | 基于分布式鲸鱼优化算法的公共自行车需求量预测方法 | |
| CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
| CN111612223B (zh) | 基于土地和交通多源数据的人口就业分布预测方法及装置 | |
| CN115691138B (zh) | 一种路网子区划分及子区边界流量控制方法 | |
| CN110909951A (zh) | 一种历史名城新城区规划辅助设计系统 | |
| CN115641718B (zh) | 一种基于卡口流量相似性和语义关联的短时交通流预测方法 | |
| CN114418215A (zh) | 一种基于人工智能的智慧城市输电线路规划方法 | |
| CN105913134A (zh) | 一种城市产业布局空间优化分析的soa技术方法 | |
| CN113011652A (zh) | 一种电动汽车充电站选址优化方法及系统 | |
| CN113935539A (zh) | 一种垃圾用地部署的区域划分和路径规划的方法 | |
| Xin et al. | [Retracted] An Empirical Study for Green Transportation Scheme of Municipal Solid Waste Based on Complex Data Model Analysis | |
| CN107133346A (zh) | 铁路沿线人车定位预测分块缓存策略 | |
| Zhao et al. | Evaluating the impact of simulated land use changes under multiple scenarios on ecosystem services in Ji'an, China | |
| CN113011720A (zh) | 一种基于ca模型的增量递减的城镇开发边界划定方法 | |
| CN117407470A (zh) | 基于大数据的绿色空间生态优化决策辅助系统及方法 | |
| CN117037483A (zh) | 一种基于多头注意力机制的交通流预测方法 | |
| CN107169653A (zh) | 基于gwr分析城乡建设用地扩展空间细部特征的方法 | |
| CN111667202A (zh) | 一种电动汽车充电站的选址方法及装置 | |
| Hu | Spatial distribution of comprehensive urbanization level in Anhui Province | |
| Zhu | RETRACTED: Construction of ecological environment landscape evaluation system of small towns along the Huaihe River area based on fuzzy cloud model |
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 |