1、水資源系統(tǒng)優(yōu)化模型的確定水資源是一種寶貴的自然資源，是人類賴以生存和社會(huì)生產(chǎn)必不 可少、又無法替代的重要物質(zhì)資源。近些年來，由于生產(chǎn)的發(fā)展，生 活水平的提高，用水量逐年增大，加之用水浪費(fèi)和污染，水資源已 成為各國(guó)倍加關(guān)注的重大問題。因此，以具有橫斷性質(zhì)的系統(tǒng)科學(xué)為 指導(dǎo)，探討水資源系統(tǒng)的優(yōu)化管理，研究水資源系統(tǒng)的最優(yōu)開發(fā)策 略，協(xié)調(diào)人與自然的關(guān)系，使人類社會(huì)系統(tǒng)與水資源系統(tǒng)達(dá)到協(xié)同 演進(jìn)，實(shí)現(xiàn)資源、環(huán)境、經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展，已變得十分重要。1水資源系統(tǒng)優(yōu)化管理概述水資源系統(tǒng)優(yōu)化管理是以水資源系統(tǒng) 本身固有的物理規(guī)律為基礎(chǔ)，充分分析并描述水資源系統(tǒng)所面臨的決 策環(huán)境，通過水資源系統(tǒng)的人為可控

2、輸入策略的優(yōu)化調(diào)控，使水資 源系統(tǒng)的狀態(tài)行為和功能效果按照所確定的目標(biāo)衡量達(dá)到最優(yōu)的運(yùn)籌 過程。2水資源系統(tǒng)優(yōu)化管理模型的建立從水資源系統(tǒng)優(yōu)化管理模型的構(gòu)建上來說，可以認(rèn)為它由三個(gè)部 分組成：1）預(yù)測(cè)模型；2）優(yōu)化模型；3）預(yù)測(cè)模型與優(yōu)化模型的 耦合集成技術(shù)1。預(yù)測(cè)模型用以描述地下水系統(tǒng)輸出對(duì)輸入的響應(yīng)關(guān)系，即對(duì)應(yīng)于 某個(gè)輸入決策而產(chǎn)生的效果，是水資源系統(tǒng)固有規(guī)律的表達(dá)，包括水 流模擬模型和水質(zhì)運(yùn)移模型，它們通常以等式約束的形式出現(xiàn)在優(yōu)化 模型的約束條件之中。水資源系統(tǒng)的優(yōu)化管理模型必須以預(yù)測(cè)模型為 基礎(chǔ)。優(yōu)化模型用以描述地下水系統(tǒng)及其所面臨的決策環(huán)境，除了水資 源系統(tǒng)本身的因素之外，還要考慮

3、與水資源開發(fā)利用和生態(tài)環(huán)境保護(hù) 有關(guān)的政治、經(jīng)濟(jì)、生態(tài)等多種因素，通常以目標(biāo)函數(shù) 和約束條件的 形式予以表達(dá)。預(yù)測(cè)模型與優(yōu)化模型的耦合集成技術(shù)是運(yùn)用某種技術(shù)方法把預(yù)測(cè) 模型的轉(zhuǎn)化形式表達(dá)在優(yōu)化模型之中，實(shí)現(xiàn)二者的耦合集成，常用的 方法有嵌入法和響應(yīng)矩陣法等。優(yōu)化模型的數(shù)學(xué)表達(dá)式由目標(biāo)函數(shù)和約束條件兩部分組成2:其中：-可控輸入變量目標(biāo)函數(shù)約束條件-已知參數(shù)-隨機(jī)因素3水資源系統(tǒng)優(yōu)化模型的求解方法水資源系統(tǒng)的優(yōu)化模型從表現(xiàn) 形式上看就是數(shù)學(xué)上的各種優(yōu)化模型。優(yōu)化方法所研究的問題主要有 兩類：一是確定一項(xiàng)工作任務(wù)后，如何統(tǒng)籌安排，盡量做到用最小的 人力、物力去完成 這一任務(wù)。二是已有一定的人力、物

4、力，如何安排 使用他們，使得完成的任務(wù)最多。這兩類問題是一個(gè)問題的兩個(gè)方面， 就是如何尋求整個(gè)問題的某個(gè)整體指標(biāo)最優(yōu)的問題1。優(yōu)化方法主 要可以分為以下兩種類型：傳統(tǒng)的規(guī)劃方法；人工智能算法。3.1傳統(tǒng)的規(guī)劃方法3.1.1經(jīng)典的線性/非線性規(guī)劃方法自從20世紀(jì)30年代，線性規(guī)劃方法就被應(yīng)用到了水資源管 理 上，那時(shí)的管理主要是基于簡(jiǎn)單的傳輸模型或管理方案。由于線性規(guī) 劃的目標(biāo)函數(shù)和約束方程的數(shù)學(xué)形式均為線性的，可以用簡(jiǎn)單的圖解 法和單純形法來求解。但是，線性規(guī)劃雖然簡(jiǎn)單卻不能正確、全面 地反映所規(guī)劃項(xiàng)目的所有規(guī)劃目標(biāo)的最優(yōu)化，線性規(guī)劃適合于單目標(biāo)規(guī)劃，對(duì)于多目標(biāo)可能導(dǎo)致錯(cuò)誤的決策。對(duì)于很多實(shí)際

5、問題，目標(biāo)函數(shù)和約束條件很難用線性函數(shù)來表示， 這是就要用非線性規(guī)劃來求解。非線性規(guī)劃分為無約束極值問題和有 約束極值問題。無約束極值問題的解法主要有梯度法、共軛梯度法、 變尺度法和步長(zhǎng)加速法。有約束機(jī)制問題可以用制約函數(shù)法來求解。3.1.2多目標(biāo)規(guī)劃方法衡量一個(gè)方案的好壞往往難以用一個(gè)指標(biāo) 來判斷，而需要用多個(gè)目標(biāo)來比較，而這些目標(biāo)有時(shí)不甚協(xié)調(diào)，甚至 是矛盾的，這 時(shí)就需要用到多目標(biāo)規(guī)劃。多目標(biāo)規(guī)劃的概念是1961 年由美國(guó)數(shù)學(xué)家查爾斯和庫(kù)柏首先提出的。求解多目標(biāo)規(guī)劃的方法大體上有以 下幾種：化多為少的方法，主要目標(biāo)法、線性加權(quán)法、理想點(diǎn)法等； 分層求解法，即把目標(biāo)按其重要性給出一個(gè)序列，每

6、次都在前一目 標(biāo)最優(yōu)解集內(nèi)求下一個(gè)目標(biāo)最優(yōu)解，直到求出共同的最優(yōu)解。層次 分析法。3.1.3動(dòng)態(tài)規(guī)劃方法動(dòng)態(tài)規(guī)劃主要用于求解多階段決策過程最優(yōu) 問題。產(chǎn)生于20世紀(jì)50年代。動(dòng)態(tài)規(guī)劃可以解決水資源系統(tǒng)中多個(gè) 管理時(shí)段的優(yōu)化管理問題。動(dòng)態(tài)規(guī)劃是求解某類問題的一種方法，是 考察問題的一種途徑，而不是一種特殊算法。因而它不像線性規(guī)劃 那樣具有一整套標(biāo)準(zhǔn)的算法，因此在解決實(shí)際問題時(shí)要對(duì)具體問題具 體分析。3.2人工智能算法傳統(tǒng)的優(yōu)化算法是針對(duì)連續(xù)或可導(dǎo)的目標(biāo)函數(shù) 來說的，處理的問題比較簡(jiǎn)單，而實(shí)際的水資源系統(tǒng)常常表現(xiàn)出高 維、多峰值、非線性、不連續(xù)性和非凸性等復(fù)雜的特征，為了求解這 些問題，人工智能方

7、法孕育而生3。3.2.1禁忌搜索算法禁忌搜索算法是Glover在1986年提出的概念，它是局部鄰 域 搜索算法的推廣。它從一個(gè)初始可行解出發(fā)，選擇一系列的特定搜 索方向（移動(dòng)）作為試探，選擇實(shí)現(xiàn)讓特定的目標(biāo)函數(shù)值變 化最多的 移動(dòng)。為了避免陷入局部最優(yōu)解，禁忌搜索中采用了一種靈活的“記 憶”技術(shù)，對(duì)已經(jīng)進(jìn)行的優(yōu)化過程進(jìn)行記錄和選擇，在下一步的搜索 中，利用禁忌表中的信息不再或有選擇的搜索這些點(diǎn)，以此來跳出局 部最優(yōu)點(diǎn)。3.2.2模擬退火算法模擬退火算法思想最早是由Metropolis等人于1953年提出的,它是一種由物理退火過程啟發(fā)的算法。模擬退火的隨機(jī)過程允許在溫 和的情況下逐漸收斂到最優(yōu)解

8、，當(dāng)前的解的改善是通過在它的鄰域中 產(chǎn)生一個(gè)新解。計(jì)算并評(píng)價(jià)每一個(gè)方案的目標(biāo)函數(shù)的值，如果替代值 比原來的值得到了改善，就自動(dòng)的接收這個(gè)解，否則就根據(jù)給定的概 率進(jìn)行接受。3.2.3人工神經(jīng)網(wǎng)絡(luò)算法人工神經(jīng)網(wǎng)絡(luò)的研究始于40年代初，是在現(xiàn)代神經(jīng)科學(xué)研究成 果的基礎(chǔ)上提出的。人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線 性、自適應(yīng)信息處理系統(tǒng)。它試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記 憶信息的方式進(jìn)行信息處理。人工神經(jīng)網(wǎng)絡(luò)由相互連接的人工神經(jīng)元 組成的，根據(jù)學(xué)習(xí)階段中流經(jīng)網(wǎng)絡(luò)的內(nèi)部信息或外部信息改變自己的 結(jié)構(gòu)。人工神經(jīng)網(wǎng)絡(luò)在表示輸入變量與輸出變量的函數(shù)上施加的限制 較少，這就使得它成為處理系統(tǒng)的復(fù)雜度

9、難以預(yù)測(cè)的問題的有效方法。3.2.4遺傳算法遺傳算法最初是由美國(guó)Michigan大學(xué)J.Holland教授于1975年 首先提出來的是，它模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理 的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu) 解的方法。其主要優(yōu)點(diǎn)是優(yōu)化求解過程與梯度無關(guān)，只需要目標(biāo)函數(shù) 是可計(jì)算的。對(duì)于復(fù)雜的優(yōu)化問題只需選擇、雜交、變異三種運(yùn)算就 能得到最優(yōu)解。雖然智能優(yōu)化算法在水資源系統(tǒng)優(yōu)化領(lǐng)域得到了越來越廣泛的應(yīng)用，但其也存在一些問題4:收斂性問題；解空間搜索策略 問題；沒有完備的算法結(jié)構(gòu)框架問題；算法的理論學(xué)習(xí)問題； 算法參數(shù)大多憑經(jīng)驗(yàn)選取的問題等。這些問題一直是國(guó)內(nèi)研究的熱 點(diǎn)問題。4結(jié)論隨著社會(huì)、經(jīng)濟(jì)的發(fā)展，人類對(duì)水資源的需求量日益增長(zhǎng)。因此， 運(yùn)用運(yùn)籌學(xué)的方法對(duì)水資源系統(tǒng)進(jìn)行優(yōu)化管理，研究水資源開發(fā)的最 優(yōu)側(cè)率，協(xié)調(diào)人與自然的關(guān)系，使人類社會(huì)與水資源環(huán)境系統(tǒng)達(dá)到 系統(tǒng)演化，實(shí)現(xiàn)資源、環(huán)境、經(jīng)濟(jì)和社會(huì)的可