公路路线多目标遗传算法优化设计分析.doc

公路路线多目标遗传算法优化设计分析1浙江省交通规划设计研究院浙江杭州310006;2杭州华龙交通勘察设计有 限公司浙江杭州310005摘要：公路路线优化是属于多目标优化的问题，传统的优化算法很难解 决这种只有模糊性与不确定性的路线优化问题因考虑到多目标间的冲突性，提 出了利用多目标遗传算法进行路线优化主要意思是通过构建多目标模型和路线 线形模型，对平面线形进行设计，通过纵断面优化后计算各目标函数值关键词：公路路线；目标；遗传；算法刖g:公路地形地质条件比较复杂，路线的设计会受到较多的制约因素，所以 在选线时要综合考虑安全、工程造价与环保等多个方面因为多目标间的冲突性， 所以利用多目标遗传算法进行公路路线优化通过这种算法能在兼顾安全、经济 与环保的方面中，为路线方案决策提出了最直接的根据一、对公路路线优化设计的概述根据自然条件和我国建设发展的需求进行合理的路线选择，以实现行车 舒适、安全、迅速的目的，同时真正的统一筑路费用和使用质量要坚持以下几 点：首先，对地形地势要充分的利用起来，运用技术标准回避不良地段，确保线 路的均衡性，确保路线横、纵、平，养护和施工的方便、经济，行车畅通、安全 三个方面集合，力求横断面经济稳定、纵断面均匀平缓、平面舒顺短捷；其次, 综合治理路、田、水、林、山，尽量减少对耕田的占用；最后，充分结合运营经 济与工程经济，在条件允许的情况下，为了提高公路的使用寿命和质量可以选用 较好的指标。

在开展分期修筑路线的过程中，应注意后期要对前期工程充分的利 用对公路路线的设计应该在对用设计规范与准则的基础之上，全面考虑平 纵面设计、环境保护、构造物的设计与安全问题等约束条件，运用一定的优化方 法来确定路线方案的合理位置，尽量的使公路建设项0的技术与经济效益最大化 所以，公路路线设计的问题是属于多准则决策问题，需要全面考虑多个不能互相 替换的约束条件，如技术要求、环境保护、交通安全与费用等，来进行决定下结 论通常多B标优化问题中的多个B标是不可能同时达到最好，简单的来说就是 唯一的全局最优解是不存在的，但是可能会存在一组最优解而这些可能最优解 叫做非劣解(Pareto解)[1]传统的优化方法每一次只能获得一个Pareto解，但是用遗传算法处理 多目标优化问题，一次就可以获得更多的Pareto解传统公路路线多0标优化 模型，把安全与环保等B标运用折算费用转化成单一的工程费用B标，也就是把 多0标问题转化成单0标问题但是单个B标对总B标的权重不能确定，而某些 目标不能用费用准确来衡量，把多0标统一用工程费用单0标进行优化并不能得 到很好的优化成果相较于传统的多B标优化方法而言，多0标遗传算法可以在 一次运行中得到近似Pareto的最优解集，从而减少了优化工作量。

多0标遗传 算法来源于整个种群，又是优秀个体的整合，它是能解决多0标优化问题的冇效 方法因为公路路线设计的多S标性，利用传统的规划方法不能解决好这些问题 遗传算法被指定可能是最适合多0标优化的方法，处理0标函数的间断性和多峰 型性等复杂问题的能力，在一定程度上增强了遗传算法在多0标搜索与优化问题 方面潜在的有效性不仅可以遗传于整个种群，同吋又是个体的整合，所以，解 决多0标优化问题的有效方法是遗传算法二、多目标遗传算法的步骤1、算法设计 (1)、基因编码快速非支配排序 三、路线多0标遗传算法优化模型1. 设计框架进行优化假设以S=(xs,ys,zs)T , E=(xE,yE,zE )T来表示路线起点与终点的坐标，所 以，如何在满足规范要求的前提是路线设计的一个最基本的原则，找到满足安全、 环保、经济与美观等要求的最优公路路线线形方案公路路线优化设计的基本步 骤如下：设计初始方案，再对纵断面进行优化，然后开始计算方案各0标值所能 产生初始种群P,接着进行解码并计算适成度，若满足这些条件则终止，否则再 进行GA优化获得新的方案，最后计算方案各目标值产生新种群R,如此下去， 直到满足这些条件［2】。

其中纵断面的优化实际上是建立可行域，一一对应实际设计的变量和染 色体的关系，当坡长和坡度陡都可以满足的情况下，然后用评价函数来度量可行 域中的可能解，在可行域当中可以利用遗传算法来获取最优解2. 对0标函数优化的确定安全0标公路选线相较于一般公路来说，行车舒服性很差，发生事故率比较高, 存在很大的安全隐患，所以，应注重公路的安全设计安全性B标函数可依据《公 路项目安全性评价指南》，对路线方案分段进行设计一致性与运行速度一致性的 评价，把评价为“较好”路段数占总路段数的百分率为P1 ,评价为“不良”的 路段百分率为P2,表示0标函数如下：Minfl(x)=wlpl+w2 p2,公式中的wl与w2分别表示对评价为“较好” 与“不良”路段的安全影响值经济0标经济目标是公路路线设计时应该重点考虑的目标，实际上就是对新建公 路的总体费用由大致的估算过程，在确定最终方案的过程中费用模型起到了至关 重要的作用费用S标函数可利运用设计路线的相关数值，计算公路的总体费用 表示费用目标函数如下：Minf2(x)=CN+CA+CL+CV+CU,公式中的CN表示土石方费用；CA表示占地费用；CL表示构造物费用；CV表示路基路面费用；CU表示用户费用。

地质灾害风险0标公路路线会存在地质环境复杂的情况，路线单0标优化经常把可能发生 的地质灾害风险转变成治理该地质灾害的费用，对经济效益相比较因为治理地 质灾害费用通常很难估算，多0标优化可以对地质风险进行估算，直接把风险值 当做0标函数用路线长lkm，路线两侧0.5km范围当做一个分析单元，利用地质勘查 与评价方法把地质风险分成轻微、中等、中高与高四个级别，运算地质风险分为 轻微、中等、中高与高的路段长度占总路段长度的百分比，分别记做ml,m2,m3,m4 表示地质灾害0标函数如下：Minf3(x)=αlml+α2m2+α3m3+α4m4,公式中： αl，α2, α3, α4分别表示轻微、中等、中高与高地质风险的权重④环保目标利用路线影响范围的环境敏感性进行分析，可以确定环境敏感等级，一 般分成敏感、较敏感、较不敏感与不敏感四个级别环保0标可运用计算路线经 过“敏感区”与“较敏感区”的占地面积占总占地面积的百分率，分别表示为 nl, n2,表示环保0标函数为：Minf2(x)=βlnl+β2n2,公式中：βl，β2 分别是“敏感区”与“较敏感区”对环保影响权重。

四、多0标遗传算法的设计公路路线多0标遗传算法是用公路的安全0标、费用B标、地质风险0 标与舒适目标等当做决策的变量，第一要对决策变量进行编码，并随机组成几组 路线的设计方案，利用判断每一个个体的满意程度来衡量各个方案之间的利弊关 系，从最初的路线方案中选出一些相对比较好的路线方案当做下一次优化的最初 方案集，这样产生新一代的可行解集，如此反反复复来完成路线的优化设计构 建路线多目标优化模型，解决了单0标优化存在的片面性与实用性较差等问题 一次运行就可以获得一系列多样性与收敛性最好的最优解，这为路线方案决策提 供了最直观的根据模型中冇关安全、舒适与环保的0标值估算还需要进一步的 验证，相对于复杂地理条件下运行的速度还需进一步的提高结语：公路的地质比较复杂，地形条件比较差，路线设计吋更应该注重安全、 地质等方面的问题可以应用多B标遗传算法对公路路线进行优化，这样就避免 了主观因素的影响多0标优化设计提供了一组协调各设计0标关系的最初方案， 设计人员可以在此基础上进行对方案修改、评价参考文献：［1】叶亚丽，庄传仪.公路路线多0标遗传算法优化设计研究［」］.公路,2012,(10) :101-107.［2】刘攀,郭生练，李玮，林凯荣.用多B标遗传算法优化设计水库分期汛限水位［」］.系 统工程理论与实践,2009, (04) :81-90.［3】冯春强，祁海云，陈培聪.山区公路路线多0标优化设计［」］.交通标准化,2014,(11) :55-57+61.。