[发明专利]部分监测点预先选定的水质监测网络多目标优化部署方法

权利要求书

1.一种部分监测点预先选定的水质监测网络多目标优化部署方法，其特征在于包含以下步骤：

步骤一：根据监测区域水域选定所有候选监测点；

步骤二：进行水力建模，模拟监测区域任一候选监测点水质污染事件；

步骤三：确定优化目标函数，根据监测需要和专家经验预先选定部分监测点；

步骤四：根据代价函数计算污染平均监测时间和成功监测概率，并更新pbest和gbest集合，同时确保预先选定的部分监测点包括在解集中，最终找到的帕累托前沿即为包括了预定监测点情况下的最优解集合；

所述步骤四具体为，

根据离散型多目标粒子群算法进行多目标优化，通过不断调整粒子移动速度和位置来寻求最优解，粒子移动速度和位置变化公式如下：

V_i(t+1)＝ωV_i(t)+c₁r₁(pbest(i,t)-p_i(t))+c₂r₂(gbest(t)-p_i(t)) (10)

p_i(t+1)＝p_i(t)+V_i(t+1) (11)

其中，ω为惯性系数，c₁为粒子自身历史最优值权重系数，c₂为全局最优值权重系数，r₁、r₂为[0,1]区间随机数；pbest(i,t)为第i个粒子在t时刻的最优值，gbest(t)为所有粒子在t时刻的最优值，p_i(t)为第i个粒子在t时刻的当前值；

设候选监测点数量总计为M，分别从1到M进行编号，选择其中n个监测点部署监测网络n<M；

设每个粒子代表一个可能的解决方案，则每个粒子包含n个监测点，可表示为：

P＝[p₁，p₂，...，p_i，...，p_n] (12)

其中p_i为第i个监测点位置编号，粒子群初始化时，把需要预留的k个监测点编号放到粒子最前面位置，其中k<n，然后利用随机函数把剩余的n-k个位置初始化为1～M的随机整数，表示随机从候选监测点集合中再选择n-k个监测点作为粒子初始值；

当计算粒子速度并更新粒子位置时，使粒子前面k个监测位置值保持不变，只修改其它n-k的位置的速度并计算新的位置值，从而确保预留的k个监测点位置能始终保留在每个粒子中；

根据代价函数分别计算该粒子中所有监测点的污染平均检测时间、成功检测概率和图中心性值，并更新pbest和gbest集合，最终找到的帕累托前沿即为包含了所有预留监测点的最优解集合。

2.按照权利要求1所述的部分监测点预先选定的水质监测网络多目标优化部署方法，其特征在于：所述步骤一具体为，将监测区域进行等距离划分形成可选监测点，把河道交叉点、专家选定的关键监测点及所有可选监测点组成候选监测点集合。

3.按照权利要求1所述的部分监测点预先选定的水质监测网络多目标优化部署方法，其特征在于：步骤二具体为对监测区域进行水力建模，模拟在任一候选监测点发生污染事件时，在其它所有候选监测点的污染扩散时间及污染物浓度。

4.按照权利要求1所述的部分监测点预先选定的水质监测网络多目标优化部署方法，其特征在于：所述代价函数的处理过程为，

当前粒子信息包括预留的监测位置和随机生成的监测位置信息；

在迭代计算过程中，确保预留的监测位置信息永远保留在粒子中,只更新随机生成部分的监测位置信息；

根据监测位置信息分别计算污染平均检测时间和成功检测概率；

根据图中心性原理分别计算每个粒子的图中心性值；

将图中心性值、污染平均检测时间和成功检测概率组成一个向量作为返回值更新pbest和gbest集合。