找到污染源位置。
[0059] 具體的，由于給水管網(wǎng)污染源定位問(wèn)題的求解具有一定的時(shí)效性，單節(jié)點(diǎn)的計(jì) 算機(jī)無(wú)法滿足其計(jì)算要求。為了進(jìn)一步提高計(jì)算效率，本發(fā)明提出了將多種群協(xié)同算法 結(jié)合Map-Reduce編程模型進(jìn)行實(shí)現(xiàn)的方案。但是多種群協(xié)同算法并不適合直接利用 Map-Reduce編程模型進(jìn)行實(shí)現(xiàn)，在Map-Reduce編程模型中，主要把任務(wù)分解為多個(gè)子任 務(wù)，分散在多個(gè)Mapper上進(jìn)行處理，然后在多個(gè)reducer上進(jìn)行規(guī)約。而多種群協(xié)同算法 中，多個(gè)種群之間存在信息的交互，通過(guò)信息的交互加速算法的收斂，因此本發(fā)明實(shí)施例對(duì) Map-Reduce模型進(jìn)行了修改，從而實(shí)現(xiàn)了多種群協(xié)同算法可以高效運(yùn)行而不損失其計(jì)算效 率，下面進(jìn)行詳細(xì)描述：
[0060] 利用種群在主節(jié)點(diǎn)上并行優(yōu)化，找到包含最優(yōu)解的N個(gè)種群，其中，每個(gè)子群包括 多個(gè)粒子個(gè)體。
[0061] 具體的，通過(guò)最優(yōu)個(gè)體之間距離，判斷種群的聚集程度，以給出局部極值點(diǎn)。下面， 具體描述給出局部極值點(diǎn)的實(shí)現(xiàn)過(guò)程為：以種群規(guī)模為20個(gè)種群為例，當(dāng)有3-5個(gè)種群之 間距離小于設(shè)定閾值σ時(shí)，把3-5個(gè)種群中最優(yōu)個(gè)體的位置設(shè)置為斥力場(chǎng)中心點(diǎn)，通過(guò)如 下公式建立斥力場(chǎng)：
[0063] 其中，η是位置增益系數(shù)，Ρ是斥力場(chǎng)外的種群到局部極值點(diǎn)的距離，Ρ。即為排 斥半徑的閾值；在閾值設(shè)定的超球內(nèi)產(chǎn)生斥力，防止其它種群進(jìn)入已經(jīng)發(fā)現(xiàn)的局部極值點(diǎn)； 在斥力場(chǎng)外的種群繼續(xù)并行搜索，以發(fā)現(xiàn)新的全局極值點(diǎn)。
[0064] 在主節(jié)點(diǎn)完成后自動(dòng)在Mapper上分配。以將子群分配給Ν個(gè)子節(jié)點(diǎn)，這樣可以高 效加速算法的收斂。
[0065] 然后，在Hadoop云計(jì)算平臺(tái)下運(yùn)行Map-Reduce模型進(jìn)行如下步驟a和步驟b :
[0066] a、在Mapper上運(yùn)行單粒子群局部精度搜索算法進(jìn)行局部搜索：N個(gè)子節(jié)點(diǎn)分別 進(jìn)行局部極值點(diǎn)的維度搜索，并對(duì)每個(gè)粒子個(gè)體進(jìn)行位置更新和速度更新。具體的，每個(gè) Mapper實(shí)現(xiàn)一個(gè)局部搜索，則mapper的個(gè)數(shù)是由局部極值點(diǎn)的個(gè)數(shù)決定的。
[0067] b、在Reducer上對(duì)局部搜索的結(jié)果進(jìn)行規(guī)約存儲(chǔ)。
[0068] 接著，將局部搜索的結(jié)果合并得到的最優(yōu)解集合與上一次迭代結(jié)果進(jìn)行對(duì)比；若 對(duì)比結(jié)果小于或等于設(shè)定誤差值以及迭代次數(shù)達(dá)到最大迭代次數(shù)確定找到污染源位置，否 則產(chǎn)生N個(gè)新污染事件送往主節(jié)點(diǎn)，迭代次數(shù)加1并返回污染物濃度模擬步驟。
[0069] 具體的，產(chǎn)生N個(gè)新污染事件送往主節(jié)點(diǎn)，具體為：檢測(cè)需水量或水流模式是否發(fā) 生改變；若需水量或水流模式發(fā)生改變，則直接對(duì)局部極值點(diǎn)進(jìn)行柯西變異來(lái)產(chǎn)生N個(gè)新 污染事件；然后將N個(gè)新污染事件送入主節(jié)點(diǎn)。則N個(gè)新污染事件作為污染物濃度模擬步 驟中進(jìn)行水力模擬和水質(zhì)模擬的污染事件。
[0070] 具體的，對(duì)粒子個(gè)體進(jìn)行位置更新和速度更新，具體為：把每個(gè)粒子個(gè)體的位置 矢量分成一定數(shù)量的子矢量，根據(jù)前一代粒子個(gè)體的速度更新情況調(diào)整粒子個(gè)體速度和位 置。具體來(lái)講，需要將每個(gè)粒子個(gè)體的位置矢量分成一定數(shù)量的子矢量，并基于子矢量對(duì)粒 子個(gè)體的位置和速度進(jìn)行更新。在子矢量更新過(guò)程中，根據(jù)前一代的速度更新情況，自適應(yīng) 動(dòng)態(tài)地調(diào)整粒子速度和粒子位置，從而向全局最優(yōu)解靠近。單個(gè)粒子個(gè)體的速度更新公式 如下：
[0072] 其中，V1表示單個(gè)粒子個(gè)體第i維的速度，k是迭代步長(zhǎng)，α是初始的最大步長(zhǎng)， β (k) = k1·2, c(k)是自適應(yīng)學(xué)習(xí)因子。β (k)逐漸增大，導(dǎo)致α/β (k)逐漸減小，因此在 單個(gè)維度搜索前期，多樣性較大，而后期變化較小。自適應(yīng)學(xué)習(xí)因子c(k)和適應(yīng)度函數(shù)值 有關(guān)，在本實(shí)施例中設(shè)置為當(dāng)適應(yīng)度函數(shù)值變小時(shí)，c (k) = 2,當(dāng)適應(yīng)值函數(shù)值變大時(shí)c (k) =0. 5〇
[0073] 本發(fā)明實(shí)施例提供的技術(shù)方案可應(yīng)用于環(huán)境工程領(lǐng)域，特別是市政自來(lái)水管中水 質(zhì)監(jiān)測(cè)、應(yīng)急災(zāi)害快速反應(yīng)方面。從而通過(guò)上述本發(fā)明實(shí)施例提供的一個(gè)或多個(gè)技術(shù)方案， 本發(fā)明實(shí)施例至少實(shí)現(xiàn)了如下技術(shù)效果或優(yōu)點(diǎn)：
[0074] 本發(fā)明實(shí)施例由于利用了多種群協(xié)同算法對(duì)污染源定位問(wèn)題進(jìn)行求解，當(dāng)污染事 件發(fā)生后，可以快速精確定位到污染源，進(jìn)而能夠提供精確的污染信息，有效解決了現(xiàn)有技 術(shù)很難快速精確定位到大規(guī)模給水管網(wǎng)中污染源的技術(shù)問(wèn)題，從而消除污染事件引發(fā)的各 類風(fēng)險(xiǎn)，減小經(jīng)濟(jì)損失及降低社會(huì)影響。
[0075] 進(jìn)一步，以Hadoop云計(jì)算為平臺(tái)提出的基于Map-Reduce模型的多種群并行協(xié)同 優(yōu)化方法，基于云平臺(tái)的分布式多種群協(xié)同計(jì)算可有效提升加速比，節(jié)約計(jì)算時(shí)間，進(jìn)一步 提高了污染源定位效率。
[0076] 盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造 性概念，則可對(duì)這些實(shí)施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu) 選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。
[0077] 顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精 神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍 之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在于，包括如下步 驟： 獲取給水管網(wǎng)中每個(gè)水質(zhì)傳感器檢測(cè)到的污染物濃度； 利用多種群協(xié)同算法隨機(jī)產(chǎn)生多個(gè)初始污染事件； 污染物濃度模擬步驟：基于污染事件進(jìn)行水力模擬和水質(zhì)模擬，以得出污染物濃度模 擬結(jié)果； 將所述污染物濃度與所述污染物濃度模擬結(jié)果進(jìn)行匹配，獲得匹配誤差； 在所述匹配誤差大于設(shè)定誤差時(shí)，利用所述多種群協(xié)同算法根據(jù)所述匹配誤差調(diào)整優(yōu) 化方向進(jìn)行循環(huán)搜索，直到找到全局最優(yōu)解； 所述匹配誤差在所述設(shè)定誤差范圍內(nèi)時(shí)確定找到污染源位置。2. 如權(quán)利要求1所述的基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在 于，所述利用多種群協(xié)同算法隨機(jī)產(chǎn)生多個(gè)初始污染事件，包括： 確定種群規(guī)模、最大迭代次數(shù)和平分子群個(gè)數(shù)； 在主節(jié)點(diǎn)上初始化種群，其中，將所述種群平分為P個(gè)子群，所述種群中的粒子個(gè)體的 編碼包括管網(wǎng)節(jié)點(diǎn)位置、污染物質(zhì)量向量、污染發(fā)生時(shí)間和污染截止時(shí)間； 計(jì)算所述種群中每個(gè)粒子個(gè)體的適應(yīng)值，并保存所述種群的最優(yōu)解和最優(yōu)個(gè)體。3. 如權(quán)利要求2所述的基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在 于，所述在所述匹配誤差大于設(shè)定誤差時(shí)，利用所述多種群協(xié)同算法根據(jù)所述匹配誤差調(diào) 整優(yōu)化方向進(jìn)行循環(huán)搜索，直到找到全局最優(yōu)解，包括： 利用所述種群在所述主節(jié)點(diǎn)上并行優(yōu)化，找到包含所述最優(yōu)解的N個(gè)種群，其中，每個(gè) 所述子群包括多個(gè)粒子個(gè)體； 將所述P個(gè)子群分配給N個(gè)子節(jié)點(diǎn)； 在Hadoop云計(jì)算平臺(tái)下運(yùn)行Map-Reduce模型進(jìn)行如下步驟： a、 在Mapper上運(yùn)行單粒子群局部精度搜索算法進(jìn)行局部搜索：所述N個(gè)子節(jié)點(diǎn)分別進(jìn) 行局部極值點(diǎn)的維度搜索，并對(duì)每個(gè)所述粒子個(gè)體進(jìn)行位置更新和速度更新； b、 在Reducer上對(duì)所述局部搜索的結(jié)果進(jìn)行規(guī)約存儲(chǔ)； 將所述局部搜索的結(jié)果合并得到的最優(yōu)解集合與上一次迭代結(jié)果進(jìn)行對(duì)比； 若對(duì)比結(jié)果小于或等于所述設(shè)定誤差，則確定找到所述污染源位置，否則產(chǎn)生N個(gè)新 污染事件送往所述主節(jié)點(diǎn)，迭代次數(shù)加1后返回所述污染物濃度模擬步驟。4. 如權(quán)利要求3所述的基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在 于，所述產(chǎn)生N個(gè)新污染事件送往所述主節(jié)點(diǎn)，具體為： 檢測(cè)需水量或水流模式是否發(fā)生改變； 若所述需水量或所述水流模式發(fā)生改變，則直接對(duì)所述局部極值點(diǎn)進(jìn)行柯西變異來(lái)產(chǎn) 生所述N個(gè)新污染事件； 將所述N個(gè)新污染事件送入所述主節(jié)點(diǎn)。5. 如權(quán)利要求4所述的基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在 于，所述利用所述種群在所述主節(jié)點(diǎn)上并行優(yōu)化，找到包含所述最優(yōu)解的N個(gè)種群，具體 為： 通過(guò)所述種群的最優(yōu)個(gè)體之間距離判斷所述種群的聚集程度，以給出局部極值點(diǎn)。6. 如權(quán)利要求5所述的基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在 于，所述通過(guò)所述種群的最優(yōu)個(gè)體之間距離，判斷所述種群的聚集程度，以給出局部極值 點(diǎn)，具體為： 所述種群的規(guī)模為20個(gè)時(shí)，當(dāng)有3-5個(gè)種群之間距離小于設(shè)定閾值σ時(shí)，把所述3-5 個(gè)種群中最優(yōu)個(gè)體的位置設(shè)置為斥力場(chǎng)中心點(diǎn)，通過(guò)如下公式建立斥力場(chǎng)：其中，Ura表示斥力場(chǎng)，Tl是位置增益系數(shù)，P是所述斥力場(chǎng)外的種群到所述局部極值 點(diǎn)的距離，P ^即為排斥半徑的閾值；在所述閾值設(shè)定的超球內(nèi)產(chǎn)生斥力； 在所述斥力場(chǎng)外的種群繼續(xù)并行搜索，以發(fā)現(xiàn)新的全局極值點(diǎn)。7. 如權(quán)利要求6所述的基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，其特征在 于，所述對(duì)每個(gè)所述粒子個(gè)體進(jìn)行位置更新和速度更新，具體為： 把每個(gè)所述粒子個(gè)體的位置矢量分成一定數(shù)量的子矢量，根據(jù)前一代粒子個(gè)體的速度 更新情況調(diào)整所述粒子個(gè)體的速度和位置。
【專利摘要】本發(fā)明公開了一種基于多種群協(xié)同算法的給水管網(wǎng)污染源定位方法，包括如下步驟：獲取給水管網(wǎng)中每個(gè)水質(zhì)傳感器檢測(cè)到的污染物濃度；利用多種群協(xié)同算法隨機(jī)產(chǎn)生多個(gè)初始污染事件；污染物濃度模擬步驟：基于污染事件進(jìn)行水力模擬和水質(zhì)模擬，以得出污染物濃度模擬結(jié)果；將污染物濃度與污染物濃度模擬結(jié)果進(jìn)行匹配，獲得匹配誤差；在匹配誤差大于設(shè)定誤差時(shí)，利用多種群協(xié)同算法根據(jù)匹配誤差調(diào)整優(yōu)化方向進(jìn)行循環(huán)搜索，直到找到全局最優(yōu)解；匹配誤差在設(shè)定誤差范圍內(nèi)時(shí)確定找到污染源位置?？梢钥焖倬_定位到污染源，提供精確的污染信息，有效解決了現(xiàn)有技術(shù)很難快速精確定位到大規(guī)模給水管網(wǎng)中污染源的技術(shù)問(wèn)題。
【IPC分類】G01N33/18
【公開號(hào)】CN105353099
【申請(qǐng)?zhí)枴緾N201510703571
【發(fā)明人】胡成玉, 顏雪松, 劉超, 梁慶中
【申請(qǐng)人】中國(guó)地質(zhì)大學(xué)（武漢）
【公開日】2016年2月24日
【申請(qǐng)日】2015年10月26日