一种用于大规模多目标水网络调度与分配的双层混合MOEA-ε-MP框架

《Environmental Modelling & Software》:A Bi-level Hybrid MOEA-ε-MP Framework for Large-Scale Multi-Objective Water Network Scheduling and Allocation

【字体: 大 中 小 】 时间:2026年07月15日 来源:Environmental Modelling & Software 5.2

编辑推荐:

  王泰山|苏晓玲|王千宇|吴海江|贾雨波|赵炳楠|朱行宇中国西北农林科技大学教育部干旱半干旱地区农业水土工程重点实验室,杨凌712100摘要水网连接着河流、湖泊、引水工程和蓄水设施,其调度分配需考虑结构与功能上的复杂性。本研究提出了基于水-社会-生态协同的集成水网调度分配模型(WS

  王泰山|苏晓玲|王千宇|吴海江|贾雨波|赵炳楠|朱行宇中国西北农林科技大学教育部干旱半干旱地区农业水土工程重点实验室,杨凌712100摘要水网连接着河流、湖泊、引水工程和蓄水设施,其调度分配需考虑结构与功能上的复杂性。本研究提出了基于水-社会-生态协同的集成水网调度分配模型(WSE-IWNSA),并针对大规模多目标问题设计了多目标进化算法-ε约束-数学规划求解器框架(MOEA-ε-MP)。通过对比两种混合算法H-Gurobi和H-COPT与两种独立的多目标进化算法,评估了该框架在两个测试问题上的算法性能。进一步以陕西地区为例,使用H-Gurobi验证了其实际应用效果。在测试问题中,MOEA-ε-MP的收敛速度优于独立的多目标进化算法;目标数量越多,收敛速度越慢且波动越大;而H-Gurobi/H-COPT在超体积、逆向代际距离及其改进指标上表现更佳。在案例研究中,WSE-IWNSA模型实现了供水保障与生态效益的同步提升。总体而言,所提出的WSE-IWNSA模型与MOEA-ε-MP框架为复杂水网的大规模多目标优化提供了有效方法。引言水网作为一个集成且相互关联的系统,以天然河流湖泊为基础,通过引水与输水工程相连,再以调控与蓄水设施作为节点构成整体(Fang等,2024;Li等,2024)。集成水网调度分配比传统水资源调度分配更为复杂,面临着结构和功能层面的双重挑战(Niu等,2023;Li等,2024)。有效应对这两方面的复杂性是实现稳健且适应性强的水网管理的关键。水网的结构复杂性可从两方面理解。其一在于涉及要素的多样性。实际上,区域水网通常覆盖多个流域,包含多种水源、不同类型的用水主体以及复杂的引水输水路径(Weng等,2010)。同时,这些要素通过天然河流和水利设施相互连接,形成了一个水-社会-生态高度耦合的系统,这种相互作用极大地增加了管理难度(Chen等,2022;Li等,2022;Wang等,2025)。以往的研究多在不同尺度上开展水资源优化研究。例如,Li等(2022)研究了广东省21个城市的省级水资源分配问题,Niu等(2022)则为黄河流域构建了包含264个节点和524个用水户的月度调度分配模型。Pywr-DRB则模拟了一个具有33个主要节点的复杂流域,其中包括17座水库、14段河道以及2处跨流域引水工程(Hamilton等,2024)。水网的功能复杂性主要体现在分配与调度的紧密关联上。在水网系统中,水库运行和多水源调度直接影响可分配的水量,而分配决策又会制约可行的运行策略。然而,现有文献大多要么单独研究水库运行或水资源分配,要么仅将二者顺序结合(Yang等,2022;Ma等,2023;Duraisekaran等,2025)。近期的研究则趋向于集成调度分配优化,即对多水源调度和水资源分配进行联合动态调控(Li等,2021)。在这些研究中,通过多阶段耦合实现了多水库调度与水资源分配的协调优化,这类框架中的分配与调度问题是分步建模与求解的(Ma等,2020;Niu等,2022;Zhu等,2025)。Pywr和Pywr-DRB等开源工具有助于基于网络的模拟、规则测试、干旱风险评估以及逐时步分配分析(Tomlinson等,2020;Hamilton等,2024)。Pywr将水系统表示为有向节点-边网络,每个时间步依次求解线性规划分配问题,并在每次分配后更新存储量等系统状态(Tomlinson等,2020)。每个线性规划分配问题的规模取决于网络构建方式、节点与边的数量以及网络连通性。Pywr-DRB则将这种逐日时间步方法应用于特拉华河流域,该流域有33个主要节点,包括17座水库、14段河道以及2处跨流域引水工程,同时会根据系统状态和管理规则动态调整流量约束和成本(Hamilton等,2024)。这些工具非常适合用于情景模拟、运行规则测试、干旱风险评估以及逐步分配分析。但在已有的应用中,它们的主要解决单元仍是时间步分配问题,而非为大规模多目标调度分配优化生成完整的帕累托集。复杂水网调度分配的集成优化往往会导致大规模多目标优化问题。在一些现有研究中,人们通过加权求和法、ε约束法或双层规划等方法将多目标问题转化为单目标问题(Marler和Arora,2009;Mavrotas,2009;Ma等,2020),然后再用单目标算法或优化求解器来解决这些问题(Jin等,2020;Wang等,2023)。这些方法通常只能得到一个折中解,而非帕累托集。尽管有基于网格的ε约束方法可用于获得解集,但它们往往会产生分布质量较差的伪帕累托前沿(Mavrotas,2009)。多目标进化算法(MOEAs),如NSGA-II、NSGA-III、MOEA/D和RVEA,可直接用于多目标优化(Deb等,2002;Zhang等,2007;Deb等,2014;Chen,2026)。利用这些方法,通常能在收敛过程中得到非支配解的帕累托前沿(Ren等,2022;Wang等,2022)。在水网集成调度分配模型中,通常涉及大量变量和约束条件。但直接基于MOEAs的优化方法往往会将原始决策变量嵌入到进化搜索空间中。对于大规模水网调度分配问题,这意味着进化算子必须在高维空间中进行搜索,同时还需处理与水量需求、网络连通性、蓄水调节、输水路径、生态流量要求以及水源优先级规则相关的密集约束。如此高的搜索维度会使得基于种群的多目标算法难以收敛(Reed等,2013)。为提升可扩展性,近期的大规模MOEAs主要采取了几种代表性方法,包括决策变量分组(He等,2024)、降维(Zille等,2018;Si等,2026)以及新型搜索算子(Tian等,2022)。决策变量分组方法将原始变量分解为若干子组,进而协同优化这些子组。降维或问题转换方法则将高维决策向量转换为低维权重、潜变量或重新构建的搜索方向。算子优化方法则旨在提升在原始或转换后的决策空间中的探索与利用效率。这些方法通过降低有效搜索维度或提高原始决策空间中的搜索效率,显著推动了大规模多目标优化的发展。尽管取得了这些进展,这类大规模MOEA策略仍需要在原始或转换后的决策空间中对候选解进行进化搜索。这种基于搜索的可行性处理方式可能无法充分利用原始约束模型的代数结构,如线性特征、稀疏性、变量界限、类似网络流量的平衡方程、容量约束以及路径可达性关系。这一局限性在实际的水网调度分配问题中尤为突出,因为这类问题需要严格满足与水量平衡、蓄水调节、输水路径、生态流量以及供水优先级相关的密集拓扑约束。因此,仅降低搜索维度或优化进化算子可能不足以解决这类问题,还需要将帕累托探索与原始约束调度分配模型的可靠可行性处理相结合。数学规划(MP)求解器,如Gurobi,为大规模、结构化且适合求解器处理的约束优化问题提供了另一重优势。与直接评估候选决策向量的进化搜索方法相比,MP求解器能够利用优化模型的代数结构,包括线性特征、稀疏性、变量界限、类似网络流量的平衡方程、容量约束以及整数约束。通过分解降维、割平面法、分支定界法以及先进的线性规划/二次规划算法,它们能够高效地为适合求解器处理的模型找到可行且高质量的解(Koch等,2022)。这一能力对于水网调度分配问题尤为重要,因为这类问题必须严格满足水量平衡、蓄水、路径可达性、生态流量以及水源优先级等约束。不过,这类求解器中的多目标优化通常是通过分层或优先级设置来实现的,单次运行通常只能得到一个最优解或按优先级排序的解,而非分布良好的帕累托集(Gurobi Optimization, LLC,2026)。因此,在基于MOEA的帕累托探索与基于求解器的可行性处理之间,仍存在方法论上的差距。为填补这一缺口,本研究提出了一种用于大规模多目标水网调度分配的混合算法框架。该框架并非对原始决策变量进行分组或降维,而是将外部搜索转移到ε空间,再利用MP求解器来解决原始的高维约束子问题。为评估其优化性能,本研究选取了两个具有大量变量和约束条件的较大规模基准问题,将所提框架与独立的多目标进化算法进行比较。随后,该框架被应用于陕西地区的实际水网调度分配案例,以证明其在大规模多目标水网调度分配中的实用性。本文的其余部分结构如下:第2节介绍方法论,包括优化模型的构建及求解算法;第3节描述研究区域和数据来源;第4节呈现主要结果,涵盖算法评估以及水资源分配与调度方案的分析;第5节探讨模型与算法的创新点;第6节总结研究结论。方法论我们提出了基于水-社会-生态协同的集成水网调度分配优化模型(WSE-IWNSA),并采用所设计的多目标进化算法-ε约束-数学规划求解器框架(MOEA-ε-MP)对该模型进行求解。这种双层结构的MOEA-ε-MP框架能够高效地为高维、多目标型的WSE-IWNSA问题生成高质量的帕累托解集,从而实现调度的集成优化。研究区域陕西省位于中国内陆中心地带,经度介于105°29’-111°15’之间,纬度介于31°42’-39°35’之间,总面积约为205,600平方公里(图4)(Guo等,2023;Zha等,2024)。从水文角度来看,陕西同时属于黄河流域和长江流域。黄河流域约占该省面积的64.8%,其中主要包括渭河及其支流等主要水道。长江流域则构成了……MOEA-ε-MP框架的验证图6显示,在不同目标数量和优化问题下,四种算法的收敛速度存在明显差异。在测试中,包括H-Gurobi和H-COPT在内的MOEA-ε-MP框架,其HV收敛速度均快于两种独立的多目标进化算法。在OP1问题上,无论在哪种目标数量设置下,H-Gurobi和H-COPT都在大约500秒内达到稳定状态,而U-NSGA-III以及尤其是RVEA则在整个运行过程中几乎都在缓慢改进。方法论创新与实用性本研究的主要目标是针对复杂的网络拓扑、多水源运行、多用户需求以及水-社会-生态之间的权衡,实现大规模多目标水网调度分配。为应对相关的建模和计算挑战,我们开发了WSE-IWNSA模型,并提出了双层结构的MOEA-ε-MP框架。两项主要创新内容如下。首先,WSE-IWNSA模型将调度与分配整合为一个统一的……结论我们建立了用于集成水网调度分配的WSE-IWNSA模型,并提出了MOEA-ε-MP框架,用以解决这类大规模多目标优化问题。我们基于所提框架衍生出了两种混合算法,即H-Gurobi和H-COPT,并在不同目标数量和优化问题下,将它们与两种独立的多目标进化算法U-NSGA-III和RVEA进行了系统比较。之后,将该框架应用于不同场景下的WSE-IWNSA模型分析。CRediT作者贡献说明朱行宇:写作——审阅与编辑,方法论。赵炳楠:写作——审阅与编辑,方法论。贾雨波:写作——审阅与编辑,方法论。吴海江:写作——审阅与编辑,可视化。王千宇:写作——审阅与编辑,可视化,监督,方法论。苏晓玲:写作——审阅与编辑,初稿撰写,方法论,调研,资金获取。王泰山:写作——审阅与编辑,初稿撰写,软件。未引用参考文献Deb和Jain,2014;Gurobi Optimization LLC,2026;Li和Yang,2024;Li等,2022;Li等,2024;Ma等,2020;Seada和Deb,2016;Wang等,2022;Zhang和Li,2007;Zhang和Yang,2023;Zhong等,2024。数据可用性用于演示和评估WSE-IWNSA模型的输入数据及示例数据集已公开发布在Zenodo存储库中(https://doi.org/10.5281/zenodo.19484730)。该存储库包含了本研究中使用的原始输入文件、预处理数据以及输出示例。

软件与数据可用性
软件名称:用于大规模多目标水网络调度与分配的双层混合MOEA-ε-MP框架的代码及数据
开发者:王泰山
联系方式:wangts1016@163.com
首次提供日期:2026年4月9日
所需软件:Python 3.10、Gurobi Optimizer 13.0.1和COPT 8.0.3
编程语言:Python
源代码地址:https://doi.org/10.5281/zenodo.19484730
文档说明:相关使用说明可见存储库中的README文件。

本地运行所需数据
伦理审批:无需。
参与同意书:无需。
发表同意书:所有作者均同意发表此项研究成果。

利益冲突
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

利益冲突声明
作者再次声明没有已知的可能影响本文研究结果的财务利益或个人关系。

致谢
作者衷心感谢编辑及匿名审稿人提出的建设性意见与建议,这些帮助提升了手稿的质量。本研究得到了陕西省水利科技计划项目(项目编号2024slkj-14)、中国高校科学基金(项目编号XYTD2026-11)以及水利部重点科技项目(项目编号SKS2022018)的资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号