本發明涉及土石方調配，具體而言，涉及一種基于離散海洋捕食者算法的土石方調配優化方法及系統。

背景技術：

1、土石方工程是復雜的系統工程，受多種因素影響，其施工組織設計與管理困難。實際施工中常見問題包括料源不足、人力資源組織不當，導致工期延誤和成本增加。現有用于優化土石方調配的主要技術路線是對實際工程問題建立組合優化問題離散數學模型，采用優化方法對其進行求解。由于線性規劃求解效率、精度高，在工程中土石方調配數學模型往往將被簡化為線性規劃模型，主要考慮實際土石方調配優化問題中的物料約束條件。但在大規模調配以及綜合多因素的復雜問題上，線性規劃方法泛用性較差，且其在面對非線性因素存在較大局限性，求解結果只能展示總體靜態方案，無法體現具體施工步驟，不利于工程人員組織安排后續任務。

2、近年來，以遺傳算法、蟻群算法(ant?colony?optimization，aco)等為代表的離散型元啟發式算法在各個工程領域的實際問題中都展現了良好的泛用性，尤其在大規模與復雜問題上，有著不錯的求解表現。特別針對土石方調配問題，例如一種基于改進蟻群算法的土石方調配方法(公開號：cn116882573a)和基于蟻群算法的土石方調配方法(土木工程與管理學報，2019)，著重優化了土石方調配的施工流程，能夠考慮非線性因素并且能展現優化施工方案的施工工序、運輸流量和流向。

3、目前，越來越多的元啟發式算法被設計用于求解連續優化問題，但缺少專門為土石方調配問題而設計的元啟發式算法。由于無法在算法連續域與問題離散域之間構建合適且準確的映射關系，傳統連續型元啟發式難以作用于土石方調配問題。

技術實現思路

1、為解決上述問題，本發明實施例提供了一種基于離散海洋捕食者算法(discretemarine?predators?algorithm，dmpa)的土石方調配優化方法，包括：對土石方調配方案進行種群初始化，得到初始化的調配方案；所述土石方調配方案采用三元組形式(si，dj，t)進行編碼，其中si為剩余施工量不為0的挖方節點，dj為剩余施工量不為0的填方節點，t為自節點si到節點dj的運輸施工量；在高速度比階段，對所述初始化的調配方案采用種群分群策略：前一半種群利用捕食者進行布朗運動，獵物根據捕食者的布朗運動更新位置；后一半種群利用獵物進行布朗運動；在同速度比階段，一半獵物以萊維飛行進行小范圍的移動，另一半獵物利用捕食者的大范圍運動更新位置；在低速度比階段，獵物利用捕食者位置進行小范圍的移動；對于環境問題因素，在迭代過程中按概率進行大鄰域跳躍，以避免陷入局部最優解。

2、本發明實施例成功改進了海洋捕食者算法，并設計了新型的離散群啟發式算法-離散海洋捕食者算法，該算法在土方調配優化問題上面對傳統的蟻群算法具有明顯的求解優勢；針對土方調配問題設計的三元組編碼方式簡單明了，其能準確地映射算離散問題個體的在算法中的表現型，便于算法設計后續的擾動和更新機制。基于三元組編碼擾動與變異機制，為連續性優化算法轉化成離散型優化算法提供了一種嶄新的設計思路。

3、可選地，所述對土石方調配方案進行種群初始化，得到初始化的調配方案包括：一半種群采用隨機動態目標策略生成，另一半種群則采用貪心動態目標策略生成；所述隨機動態目標策略如下：對于一個三元組調配方案，首先在剩余施工量不為0的挖方節點中隨機選擇一個節點si，然后再在剩余施工量不為0的填方節點中隨機選擇一個節點dj，生成運輸施工量t＝min(ai，bj)，其中的ai和，bj分別為節點si和節點dj的初始施工量約束，生成一個三元組方案(si，dj，t)，隨后更新節點的剩余施工量，即si＝si-t，di＝di-t，以此類推，生成多個三元組方案，直至全部施工節點剩余施工量為0；所述貪心動態目標策略如下：在選擇填方節點時在剩余施工量不為0的填方節點集合中選擇離挖方節點最近的填方節點。

4、本發明實施例設計了一種三元組的編碼方式，準確地表達了離散問題個體的表現型，并在此基礎上設計了啟發式的擾動與變異機制。

5、可選地，在所述高速度比階段，前一半種群的數學模型為：

6、

7、

8、

9、其中，為步長向量，為捕食者向量，為獵物向量，iter是當前迭代數，max?iter是最大迭代數，符號表示逐元素乘法，or符號代表基于隨機密鑰排序算子用于模擬布朗運動，符號代表由{0，1}組成的隨機向量，用于隨機選擇中的部分三元組信息，orp符號則代表最優配對算子，利用已選擇的三元組信息進行修復或者重生成個體；

10、orp用于獲取三元組編碼的挖方節點序列si，隨后賦予每一個si節點一個[0，1]的均勻分布隨機數，對所有si節點對應的隨機數進行從小到大排序，獲得新的挖方節點序列令重組后獲得新的三元組編碼，最后對三元組編碼進行最優修復。

11、可選地，在所述高速度比階段，后一半種群的數學模型為：

12、

13、可選地，在同速度比階段，數學模型如下：

14、

15、

16、

17、其中，os符號代表基于貢獻度的交換算子，其具體操作是先計算個體編碼的總費用作為每個三元組的標識屬性-貢獻度，對所有三元組按照貢獻度從大到小進行排序，選取貢獻度最大的兩個不同si節點的三元組并記錄其在個體編碼中的索引位置，交換它們的si節點后，替換原有位置，最后對個體編碼進行最優修復；os(p)算子代表重復操作，p為重復操作概率，基于個體編碼中三元組個數m，重復執行ceil(m*p)次os操作；

18、

19、

20、其中，orp(cf)算子是orp算子的拓展，用于進行重復操作，cf為重復操作概率，基于個體編碼中三元組個數m，重復執行ceil(m*cf)次orp操作，最后對個體編碼進行最優修復。

21、可選地，在低速度比階段，數學模型如下：

22、

23、可選地，對于環境問題因素，數學模型如下：

24、

25、fadf＝fads(1-r)+r

26、其中olm為大規模變異算子，用于實現編碼個體大規模變異，oc為編碼結合算子，用于隨機結合兩個體的三元組形成新的編碼個體，然后對個體進行修復，onp為鄰近最優配對算子，用于從個體編碼中隨機獲取3個連續的三元組，select函數功能是選擇個體編碼中前k個三元組，k＝ceil(m*fadf)，m為個體編碼中的三元組個數，r、r1、r2、r3為[0，1]之間的均勻分布隨機數。

27、可選地，所述olm算子，用于對個體編碼中每個三元組計算貢獻度，將所有三元組按照貢獻度從大到小進行排序，隨后對排序后的三元組中dj填方節點序列進行對稱交換，最后進行最優修復。

28、本發明實施例對離散海洋捕食者算法的各個階段的操作及算子進行了詳細限定，能夠在算法連續域與問題離散域之間構建合適且準確的映射關系，基于三元組編碼擾動與變異機制，為連續性優化算法轉化成離散型優化算法提供了一種嶄新的設計思路。

29、可選地，所述調配方案是所有三元組的集合。

30、本發明實施例對矩陣中不為0的調配方案進行三元組表示，完整調配方案是所有三元組的集合，一個完整的調配方案在算法中就是一個個體。

31、本發明實施例提供一種基于離散海洋捕食者算法的土石方調配優化系統，用于執行上述任一項所述的方法。

32、本發明實施例提供的基于離散海洋捕食者算法的土石方調配優化系統，可以取得與上述基于離散海洋捕食者算法的土石方調配優化方法相同的技術效果。