一种基于MOEA/D进化多目标优化的路径导航系统及方法与流程

一种基于moea/d进化多目标优化的路径导航系统及方法
技术领域
1.本发明涉及电网规划设计技术领域，更具体的说是涉及一种基于moea/d进化多目标优化的路径导航系统及方法。


背景技术：

2.目前，针对电网的规划设计，通常采用以无人机实地航测影像为基础的远程勘测方式，然后需要专业人员对每次采集的遥感图像中的地物进行人工识别，并手动进行排查和设计，得出最终的路径导航示意图。
3.但是，随着工程规模的不断扩大，人工识别判断和设计必然会导致地物识别错误、路径规划不合理状况发生，导致终的路径导航示意图无法实施，进而对后续的施工不良影响。而且，伴随着施工要求的提高，电网的路径导航还需要综合考虑路径长度、特殊路段、投资、施工、运行、安全等因素，当前仅凭设计人员的经验依据专业设计规范完成的路径导航，工作量巨大，且必然存在误差。
4.另外，在设计讨论阶段，需要提供多种目标倾向性的设计方案，作为对比设计导航方案，通过现有的人工设计的方法是无法实现的。


技术实现要素：

5.针对以上问题，本发明的目的在于提供一种基于moea/d进化多目标优化的路径导航系统及方法，能够在带有工程影响因子属性数据集基础上，自动实现基于多目标的电网线路走廊路径导航规划。
6.本发明为实现上述目的，通过以下技术方案实现：一种基于moea/d进化多目标优化的路径导航系统，包括：
7.数据准备单元，用于根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；
8.读取单元，用于在带有工程影响因子属性数据集中读取线路规格初始信息；
9.方案生成单元，用于利用moea/d多目标优化算法按照多个预设目标倾向生成相应的路径导航方案；
10.方案确认单元，用于通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；
11.选择修改单元，用于根据预设的勘测信息图选择并修订路径导航方案；
12.输出单元，用于根据修订完成的路径导航方案，输出线路规划最终方案。
13.相应的，本发明还公开了一种基于moea/d进化多目标优化的路径导航方法，包括如下步骤：
14.s1：根据航测影像进行地物识别，并生成带有工程影响因子属性数据集；
15.s2：在带有工程影响因子属性数据集中读取线路规格初始信息；
16.s3：利用moea/d多目标优化算法按照多个预设目标倾向生成相应的路径导航方
案；
17.s4：通过迭代算法优化验证路径导航方案，并确认路径导航方案结果；
18.s5：根据预设的勘测信息图选择并修订路径导航方案；
19.s6：根据修订完成的路径导航方案，输出线路规划最终方案。
20.进一步，所述预设目标倾向包括：线路路径、建设成本和工期。
21.进一步，所述moea/d多目标优化算法包括如下步骤：
22.s31：根据线路规格初始信息建立初始化种群；
23.s32：根据预设目标倾向为每个子问题分配权向量；
24.s33：每个子问题在其邻居个体内进行交叉变异；
25.s34：根据预设的聚合函数数值更新父代种群。
26.进一步，所述迭代算法包括如下步骤：
27.s41：随机产生确定长度的初始群体；
28.s42：对串群体迭代执行计算适应值，染色体复制、交叉和变异以产生下一代群体；
29.s43：把在任一代中出现的最好的个体穿指定为算法执行的结果；
30.s44：循环预设的遗传代数后，通过比较所有的算法执行结果，得到最优结果作为过程优化的解。
31.进一步，所述线路规格初始信息包括：线路的起点位置信息、线路的终点位置信息、特殊路径的位置信息。
32.进一步，所述迭代算法采用多目标粒子群算法。
33.进一步，所述多目标粒子群算法包括如下步骤：
34.s81：设置多目标粒子群算法的控制参数、群体规模和迭代次数，并输入线路规格初始信息；
35.s82：根据直流潮流模型计算每个粒子所代表的网络扩展方案的目标值；
36.s83：根据pareto最优概念更新每个粒子的个体最优值；
37.s84：根据粒子序值挑选当前种群中序值最小的粒子存入外部档案库，并删除其中的过负荷非劣解；
38.s85：根据预设的粒子更新公式更新每个粒子的速度和位置；
39.s86：判断当前是否达到迭代次数，若是，则输出外部档案库中的非劣解，否则，转到步骤s82；
40.s87：对外部档案库中的非劣解进行校验，并输出对应的网络规划图。
41.对比现有技术，本发明有益效果在于：本发明提供了一种基于moea/d进化多目标优化的路径导航系统及方法，通过多目标优化的方式，将没有关联性、逻辑性的电力设计文字性标准规范转换成可图形化展示的智能设计算法；综合考虑路径长度、特殊路段、投资、施工、运行、安全等因素，在带有工程影响因子数据集基础上，通过专家知识的参考，推导出多种目标倾向性的电力杆塔选址及走线设计方案，实现电力系统电网线路走廊工程的设计导航。能够在精准勘测精准标识基础上，基于距离最短、工期最快、成本最优等不同目标倾向提供对比设计导航方案。
42.由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
43.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
44.附图1是本发明的系统结构图。
45.附图2是本发明的方法流程图。
具体实施方式
46.下面结合附图对本发明的具体实施方式做出说明。
47.实施例一：
48.如图1所示，本实施例提供了一种基于moea/d进化多目标优化的路径导航系统，包括：
49.数据准备单元，用于根据航测影像进行地物识别，并生成带有工程影响因子属性数据集。
50.读取单元，用于在带有工程影响因子属性数据集中读取线路规格初始信息。
51.方案生成单元，用于利用moea/d多目标优化算法按照多个预设目标倾向生成相应的路径导航方案。
52.方案确认单元，用于通过迭代算法优化验证路径导航方案，并确认路径导航方案结果。
53.选择修改单元，用于根据预设的勘测信息图选择并修订路径导航方案。
54.输出单元，用于根据修订完成的路径导航方案，输出线路规划最终方案。
55.实施例二：
56.相应的，如图2所示，本实施例还公开了一种基于moea/d进化多目标优化的路径导航方法，包括如下步骤：
57.s1：根据航测影像进行地物识别，并生成带有工程影响因子属性数据集。
58.s2：在带有工程影响因子属性数据集中读取线路规格初始信息。
59.s3：利用moea/d多目标优化算法按照多个预设目标倾向生成相应的路径导航方案。
60.其中，预设目标倾向包括：线路路径、建设成本和工期。因此，可根据需求设定为路径最短、工期最短、成本最优等不同目标倾向，或对上述三种目标倾向进行任一组合。
61.所述的moea/d多目标优化算法包括：
62.1、根据线路规格初始信息建立初始化种群。
63.2、根据预设目标倾向为每个子问题分配权向量。
64.3、每个子问题在其邻居个体内进行交叉变异。
65.4、根据预设的聚合函数数值更新父代种群。
66.s4：通过迭代算法优化验证路径导航方案，并确认路径导航方案结果。
67.其中，迭代算法包括如下步骤：首先，随机产生确定长度的初始群体；然后，对串群体迭代执行计算适应值，染色体复制、交叉和变异以产生下一代群体；把在任一代中出现的
最好的个体穿指定为算法执行的结果；循环预设的遗传代数后，通过比较所有的算法执行结果，得到最优结果作为过程优化的解。
68.s5：根据预设的勘测信息图选择并修订路径导航方案。
69.s6：根据修订完成的路径导航方案，输出线路规划最终方案。
70.实施例三：
71.基于实施例二，本实施例还公开了一种基于moea/d进化多目标优化的路径导航方法，其中的迭代算法采用多目标粒子群算法，具体包括如下步骤：
72.步骤1：设置多目标粒子群算法的控制参数、群体规模和迭代次数，并输入线路规格初始信息。
73.步骤2：根据直流潮流模型计算每个粒子所代表的网络扩展方案的目标值。
74.步骤3：根据pareto最优概念更新每个粒子的个体最优值。
75.步骤4：根据粒子序值挑选当前种群中序值最小的粒子存入外部档案库，并删除其中的过负荷非劣解。
76.步骤5：根据预设的粒子更新公式更新每个粒子的速度和位置。
77.步骤6：判断当前是否达到迭代次数，若是，则输出外部档案库中的非劣解，否则，转到步骤2。
78.步骤7：对外部档案库中的非劣解进行校验，并输出对应的网络规划图。
79.上述基于moea/d进化多目标优化的路径导航方法，综合考虑距离、工期、成本以及线路设计规范和标准，采用多目标优化算法实现路径规划、自动布杆及算量统计，实现电网线路的自动设计。上述实施例采用的进化算法通过在代与代之间维持由潜在解组成的种群来实现全局搜索,这种从种群到种群的方法对于搜索多目标优化问题的pareto最优解集是很有效的。粒子群优化、人工免疫系统、分布估计算法等受自然系统启发，能够很好的将进化算法与多目标优化问题相结合。进化多目标优化方法采用人工免疫、粒子群等模型能够有效对高维多目标优化问题进行求解。
80.在本发明所提供的几个实施例中，应该理解到，所揭露的系统、系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
81.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
82.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。
83.结合附图和具体实施例，对本发明作进一步说明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。