Page 32 - 电力与能源2021年第五期

5 2 4 叶 青, 等: 基于粒子群与遗传混合优化算法的输变电工程全过程造价管理数据处理

算( GA ) 法对输变电工程全过程造价管理数据进
ì x 3 +x 4
ï 0 x r ≤
ï 2 行处理, 提取出造价分析中的有效数据, 剔除无效
ï
í 和冗余数据, 不仅能够提高数据处理效率, 同时也
u 5 = 2x r -x 3 -x 4 x 1 <x r ≤ x 1 +x 2
ï
x 4 -x 3 2
ï 能提高输变电工程造价分析工作的准确度。
ï
î 1 x r >x 4
3.1 PSO-GA 概述
( 5 )
是模拟鸟类飞行觅食行为, 通过鸟群个体协
等级 1 等级 2 等级n 作使群体得到最优解, 具有计算简单、 收敛快、 鲁
↓ ↓ ↓
棒性好的特点; GA 是通过模拟自然进化过程来
é … r 1n ù
→ r 11 r 12
指标 1 ê ú 搜索 最 优 解, 其 特 点 是 直 接 对 结 构 对 象 进 行
ê … r 2n ú
指标 2 → r 21 r 22 [ 15 ]
ê ú ( 6 ) 操作 。
︙ ︙ ︙ …
ê ú
指标 m ê … r mn û ú PSO-GA 的主要原理是将粒子群算法引入到
ë
→ r m 1 r m 2
2.2 合 成 全 过 程 造 价 管 理 关 键 指 标 综 合 评 价 遗传算法中, 用粒子群算法构建遗传算法中的变
结果 异算子, 破坏染色体在变异时的随机性而随着以
2.2.1 序关系分析法确定指标权重 往信息进行有向变异, 保证了子代的优良性, 使种
为简化标准层次分析法判断矩阵一致性检验 群快速良性发展。
过程, 序关系法原理及权重计算步骤如下。 GA 与 PSO 均采用实数编码方式, 在进行粒
( 1 ) 根据图 2 , 请相关专家给出同一层次指标 子群变异操作时, 可将染色体当作粒子直接进行
对上一层次重要性程度确定序关系。若有指标 运算。各粒子维数 D 表示各染色体的基因长度,
u 1 u 2 K , u k 和n 位专家, 第i 位专家给出的序关 用迄今为止最大的适应度值 F max , i 的第 i 个粒子
, ,
,
k
。 对应的编码x max , i 代替粒子群算法中的 p i , d 用种
系可记为: u i u j … u k
( 2 ) 令r ik 为第 i 位专家关于相邻指标u k-1 与 群最大的适应度值 F max 对应粒子的编码 X max 代替
k
,
/ ,
u k 的相对重要程度: r ik=ω k-1 ω k 其取值见图 3 。 粒子群算法中的 p g , d 用x max , i 的累积差的算术平均
。粒子群算法的变异算子:
值 Δx max , i 来代替v i , d
(
)
k
k
k + 1
Δ x max , i =ωΔx max , i+ c 1 γ 1 x max , i-x i +
( k ) ( 10 )
c 2 γ 2 Xmax -x i
图 3 比例标度图
k + 1 k k + 1 ( 11 )
( 3 ) 第k 个指标的权重ω k 的计算公式如下: x i =x i +Δx max , i
, ,
式( 10 ) 通过权重因子c 1 c 2 和随机数 γ 1 γ 2
m m
(
w k = 1+ ∑ Πr k ) ( 7 ) 以 及 信 息 反 馈、 x max , i 和 Xmax 预 测 了 变 异 的 幅 度
-1
j= 2 k= j 和方向; 式 ( 11 ) 描 述 了 变 异 操 作 的 具 体 实 施
,(
ω k- 1 =r k ω k k=2 , 3 , K ,…, m ) ( 8 )
过程。
2.2.2 合成全过程造价管理关键指标综合评价
结果 3.2 PSO-GA 数据处理流程
( 1 ) 初始群体的生成及参数编码。先将多个
将隶属度矩阵 R 与权重向量 W 相乘, 得到模
输变电工程造价数据进行分类, 然后等分参数的
糊综合评价结果向量 B 。根据最大隶属度原则可
限值区间产生初始群体, 最后对参数进行二进制
获得输变电工程全过程造价管理关键指标综合评
,
编码。设 待 修 正 参 数 A ri 的 变 化 范 围 是 [ A min
价结果, 即
A max ], 参数 A si 的二进制数为b , 则
B=W · R ( 9 )
b= 2 -1 ) A si -A min ( 12 )
(
m
3 基于粒子群与遗传混合优化算法( PSO- A max -A min
GA ) 搭建输变电工程全过程造价管理数据 将所有待修正参数 A r1 A r2
, ,…, A rm 的二进制
处理平台 编码联结成二进制串 p 若有 m-k 个待辨识参
,
输变电工程全过程造价分析涉及的数据种类 数, 每个参数的二进制编码均为 q 位, 则二进制串
繁多 [ 14 ] , 在对如此复杂的海量数据进行数据处理 p 共有( m-k ) 位。
q
时, 引入先进的计算机粒子群算法( PSO ) 和遗传 ( 2 ) 适应度函数的建立, 即个体适应度 f :