基于量子遗传算法的混凝土结构维护优化方法及装置与流程

本发明涉及混凝土结构全寿命优化设计领域，特别是涉及一种基于量子遗传算法的混凝土结构可持续性维护优化方法及装置。

背景技术：

1、受环境侵蚀、复杂荷载和自然灾害等劣化因素的影响，混凝土结构往往面临材料劣化、构件损伤和结构功能失效等问题，导致结构实际服役寿命小于设计使用寿命。定期的检测与维护是预防结构失效、延长使用寿命的重要方法，合理的维护策略能在保障结构安全使用性能的前提下，节约经济成本，降低环境污染，减少社会干扰。工程上，一般采用检查、监测方法对出现病害的混凝土结构技术状况进行等级评定，按照技术状况等级制定对应的维护策略，使维护后的结构性能恢复到设计值，满足安全性、适用性和耐久性要求。这种方法仅针对出现病害的混凝土结构制定策略，缺乏对结构设计施工、运营维护乃至寿命终止期的整体管理，导致必要的维护延迟、结构提前失效，造成大量经济损失和资源浪费。

2、由于混凝土结构的运营维护周期长，可选的维护方案多，可持续性优化目标多，多目标优化问题涉及的自变量维度高，需要采用高效的多目标优化算法。目前针对混凝土结构的多目标优化算法，主要分为两种技术实现路径。一是用传统的多目标优化算法，如遗传算法、粒子群算法等，存在计算速度慢、效率低，且无法保证全局最优的问题；二是通过给不同目标函数设置权重，将多目标问题转化为单目标问题求解，存在主观权重设定不严谨，提供解决方案不够多样性的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于量子遗传算法的混凝土结构可持续性维护优化方法及装置，可以实现混凝土结构全寿命可持续性设计，提高优化算法的计算效率，确保设计方案最优和多样性。其具体方案如下：

2、一种基于量子遗传算法的混凝土结构可持续性维护优化方法，包括：

3、依据混凝土结构全寿命优化目标指标体系，确定可靠性目标指标和可持续性目标指标；

4、根据所述可靠性目标指标和所述可持续性目标指标，构建混凝土结构可持续性维护多目标优化问题的优化变量、目标函数和约束条件；

5、使用量子近似优化算法对所述目标函数、所述约束条件进行关于所述优化变量的多项式逼近，将所述混凝土结构可持续性维护多目标优化问题进行拆分并计算单目标近似最优解集；

6、将所述单目标近似最优解集转化为所述量子多目标遗传算法的初始种群，使用所述量子多目标遗传算法获取所述混凝土结构可持续性维护多目标优化问题的最优帕累托解集，根据所述最优帕累托解集对混凝土结构进行维护。

7、优选地，在本发明实施例提供的上述混凝土结构可持续性维护优化方法中，构建混凝土结构可持续性维护多目标优化问题的优化变量、目标函数和约束条件，包括：

8、采用维护措施和维护时间作为所述优化变量；

9、采用最小化全寿命经济成本、环境成本和社会成本作为所述混凝土结构可持续性维护多目标优化问题的目标函数；

10、采用与所述优化变量相联系的显式约束条件和隐式约束条件作为所述混凝土结构可持续性维护多目标优化问题的约束条件；所述显式约束条件包括总维护次数、初始维护时间、维护时间间隔；所述隐式约束条件包括失效概率、使用寿命、建造预算。

11、优选地，在本发明实施例提供的上述混凝土结构可持续性维护优化方法中，将所述混凝土结构可持续性维护多目标优化问题进行拆分并计算单目标近似最优解集，包括：

12、基于所述目标函数和所述约束条件的多项式逼近，将所述混凝土结构可持续性维护多目标优化问题拆分为多个近似含约束单目标优化问题；

13、分类考虑所述约束条件，将所述约束条件分别作用于量子线路初态制备环节和目标哈密顿量构造环节；

14、使用量子交替相混合拟设进行算法的含参线路构建；

15、基于设定的最优解集个数和概率阈值得到单目标近似最优解集。

16、优选地，在本发明实施例提供的上述混凝土结构可持续性维护优化方法中，分类考虑所述约束条件，将所述约束条件分别作用于量子线路初态制备环节和目标哈密顿量构造环节，包括：

17、分析所述约束条件，提取关于维护措施变量和维护时间变量的一阶等式条件，并构建所有可行方案的等概率叠加态，选择初始哈密顿量；

18、利用惩罚函数方法将除所述一阶等式条件之外的其余所述约束条件整合至目标函数，并根据所述目标函数构造目标哈密顿量；

19、对应地，使用量子交替相混合拟设进行算法的含参线路构建，包括：

20、结合所有可行方案的等概率叠加态，构建从所述初始哈密顿量演化至所述目标哈密顿量的量子交替相混合拟设线路；

21、在所述量子交替相混合拟设线路中传入参数进行训练。

22、优选地，在本发明实施例提供的上述混凝土结构可持续性维护优化方法中，基于设定的最优解集个数和概率阈值得到单目标近似最优解集，包括：

23、设定最优解集个数和概率阈值，构造判断量子近似优化算法收敛的评价函数；

24、通过经典优化器根据所述评价函数进行所述参数的优化，筛选完成训练后的所述量子交替相混合拟设线路生成的具有满足所述概率阈值的方案作为单目标近似最优解集。

25、优选地，在本发明实施例提供的上述混凝土结构可持续性维护优化方法中，将所述单目标近似最优解集转化为所述量子多目标遗传算法的初始种群，包括：

26、对所述单目标近似最优解集进行量子态编码改造，以作为所述量子多目标遗传算法的初始种群。

27、优选地，在本发明实施例提供的上述混凝土结构可持续性维护优化方法中，使用所述量子多目标遗传算法获取所述混凝土结构可持续性维护多目标优化问题的最优帕累托解集，包括：

28、采用二元锦标赛筛选、重组、突变的方法生成子代；

29、旋转父代和子代染色体，解码种群染色体，并进行个体适应度和拥挤度评价；

30、基于个体适应度和拥挤度评价结果进行快速非支配排序，筛选出下一代父代，以进行种群迭代；

31、利用非支配排序方法计算并更新所述混凝土结构可持续性维护多目标优化问题的帕累托解集；

32、当种群迭代次数达到设定阈值或所述帕累托解集稳定次数达到设定稳定次数，获取所述最优帕累托解集。

33、本发明实施例还提供了一种基于量子遗传算法的混凝土结构可持续性维护优化装置，包括：

34、指标确定模块，用于依据混凝土结构全寿命优化目标指标体系，确定可靠性目标指标和可持续性目标指标；

35、函数构建模块，用于根据所述可靠性目标指标和可持续性目标指标，构建混凝土结构可持续性维护多目标优化问题的优化变量、目标函数和约束条件；

36、第一计算模块，用于使用量子近似优化算法对所述目标函数、所述约束条件进行关于所述优化变量的多项式逼近，将所述混凝土结构可持续性维护多目标优化问题进行拆分并计算单目标近似最优解集；

37、第二计算模块，用于将所述单目标近似最优解集转化为所述量子多目标遗传算法的初始种群，使用所述量子多目标遗传算法获取所述混凝土结构可持续性维护多目标优化问题的最优帕累托解集，根据所述最优帕累托解集对混凝土结构进行维护。

38、本发明实施例还提供了一种基于量子遗传算法的混凝土结构可持续性维护优化设备，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如本发明实施例提供的上述混凝土结构可持续性维护优化方法。

39、本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本发明实施例提供的上述混凝土结构可持续性维护优化方法。

40、从上述技术方案可以看出，本发明所提供的一种基于量子遗传算法的混凝土结构可持续性维护优化方法，包括：依据混凝土结构全寿命优化目标指标体系，确定可靠性目标指标和可持续性目标指标；根据可靠性目标指标和可持续性目标指标，构建混凝土结构可持续性维护多目标优化问题的优化变量、目标函数和约束条件；使用量子近似优化算法对目标函数、约束条件进行关于优化变量的多项式逼近，将混凝土结构可持续性维护多目标优化问题进行拆分并计算单目标近似最优解集；将单目标近似最优解集转化为量子多目标遗传算法的初始种群，使用量子多目标遗传算法获取混凝土结构可持续性维护多目标优化问题的最优帕累托解集，根据最优帕累托解集对混凝土结构进行维护。

41、本发明提供的上述基于量子遗传算法的混凝土结构可持续性维护优化方法，充分考虑混凝土结构全寿命的可持续性，引入量子近似优化算法对多目标问题进行拆分并计算近似最优解集并转化为量子多目标遗传算法的初始种群，在不显著增加计算复杂度的前提下，提高优化算法的计算效率，确保算法得到全局最优解，确保设计方案最优，同时在一定程度上确保量子多目标遗传算法种群的多样性，从而确保最优设计方案集的多样性，为不同利益相关者提供个性化的结构维护方案。

42、此外，本发明还针对基于量子遗传算法的混凝土结构可持续性维护优化方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。