摘 要： 水资源系统的优化管理问题是决策科学在水资源开发利用过程中的应用。对水资源系统的优化管理问题进行介绍，分析水资源系统优化管理模型的组成。对水资源系统优化管理模型的求解方法进行系统的阐述，并分析不同方法的优缺点及适用范围。
关键词： 水资源系统；优化管理模型；人工智能算法
中图分类号：TV213 文献标识码：A 文章编号：1671－7597（2011）0810196－01
水资源是一种宝贵的自然资源，是人类赖以生存和社会生产必不可少、又无法替代的重要物质资源。近些年来，由于生产的发展，生活水平的提高，用水量逐年增大，加之用水浪费和污染，水资源已成为各国倍加关注的重大问题。因此，以具有横断性质的系统科学为指导，探讨水资源系统的优化管理，研究水资源系统的最优开发策略，协调人与自然的关系，使人类社会系统与水资源系统达到协同演进，实现资源、环境、经济和社会的可持续发展，已变得十分重要。
1 水资源系统优化管理概述
水资源系统优化管理是以水资源系统本身固有的物理规律为基础，充分分析并描述水资源系统所面临的决策环境，通过水资源系统的人为可控输入策略的优化调控，使水资源系统的状态行为和功能效果按照所确定的目标衡量达到最优的运筹过程。
2 水资源系统优化管理模型的建立
从水资源系统优化管理模型的构建上来说，可以认为它由三个部分组成：1）预测模型；2）优化模型；3）预测模型与优化模型的耦合集成技术[1]。
预测模型用以描述地下水系统输出对输入的响应关系，即对应于某个输入决策而产生的效果，是水资源系统固有规律的表达，包括水流模拟模型和水质运移模型，它们通常以等式约束的形式出现在优化模型的约束条件之中。水资源系统的优化管理模型必须以预测模型为基础。
优化模型用以描述地下水系统及其所面临的决策环境，除了水资源系统本身的因素之外，还要考虑与水资源开发利用和生态环境保护有关的政治、经济、生态等多种因素，通常以目标函数和约束条件的形式予以表达。
预测模型与优化模型的耦合集成技术是运用某种技术方法把预测模型的转化形式表达在优化模型之中，实现二者的耦合集成，常用的方法有嵌入法和响应矩阵法等。
优化模型的数学表达式由目标函数和约束条件两部分组成[2]：
其中： -可控输入变量目标函数约束条件
-已知参数
-随机因素
3 水资源系统优化模型的求解方法
水资源系统的优化模型从表现形式上看就是数学上的各种优化模型。优化方法所研究的问题主要有两类：一是确定一项工作任务后，如何统筹安排，尽量做到用最小的人力、物力去完成这一任务。二是已有一定的人力、物力，如何安排使用他们，使得完成的任务最多。这两类问题是一个问题的两个方面，就是如何寻求整个问题的某个整体指标最优的问题[1]。优化方法主要可以分为以下两种类型：① 传统的规划方法； ② 人工智能算法。
3.1 传统的规划方法
3.1.1 经典的线性/非线性规划方法
自从20世纪30年代，线性规划方法就被应用到了水资源管理上，那时的管理主要是基于简单的传输模型或管理方案。由于线性规划的目标函数和约束方程的数学形式均为线性的，可以用简单的图解法和单纯形法来求解。但是，线性规划虽然简单却不能正确、全面地反映所规划项目的所有规划目标的最优化，线性规划适合于单目标规划，对于多目标可能导致错误的决策。
对于很多实际问题，目标函数和约束条件很难用线性函数来表示，这是就要用非线性规划来求解。非线性规划分为无约束极值问题和有约束极值问题。无约束极值问题的解法主要有梯度法、共轭梯度法、变尺度法和步长加速法。有约束机制问题可以用制约函数法来求解。
3.1.2 多目标规划方法
衡量一个方案的好坏往往难以用一个指标来判断，而需要用多个目标来比较，而这些目标有时不甚协调，甚至是矛盾的，这时就需要用到多目标规划。多目标规划的概念是1961年由美国数学家查尔斯和库柏首先提出的。求解多目标规划的方法大体上有以下几种：① 化多为少的方法，主要目标法、线性加权法、理想点法等；② 分层求解法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。③ 层次分析法。
3.1.3 动态规划方法
动态规划主要用于求解多阶段决策过程最优问题。产生于20世纪50年代。动态规划可以解决水资源系统中多个管理时段的优化管理问题。动态规划是求解某类问题的一种方法，是考察问题的一种途径，而不是一种特殊算法。因而它不像线性规划那样具有一整套标准的算法，因此在解决实际问题时要对具体问题具体分析。
3.2 人工智能算法
传统的优化算法是针对连续或可导的目标函数来说的，处理的问题比较简单，而实际的水资源系统常常表现出高维、多峰值、非线性、不连续性和非凸性等复杂的特征，为了求解这些问题，人工智能方法孕育而生[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，它是局部邻域搜索算法的推广。它从一个初始可行解出发，选择一系列的特定搜索方向（移动）作为试探，选择实现让特定的目标函数值变化最多的移动。为了避免陷入局部最优解，禁忌搜索中采用了一种灵活的“记忆”技术，对已经进行的优化过程进行记录和选择，在下一步的搜索中，利用禁忌表中的信息不再或有选择的搜索这些点，以此来跳出局部最优点。
3.2.2 模拟退火算法
模拟退火算法思想最早是由Metropolis等人于1953年提出的，它是一种由物理退火过程启发的算法。模拟退火的随机过程允许在温和的情况下逐渐收敛到最优解，当前的解的改善是通过在它的邻域中产生一个新解。计算并评价每一个方案的目标函数的值，如果替代值比原来的值得到了改善，就自动的接收这个解，否则就根据给定的概率进行接受。
3.2.3 人工神经网络算法
人工神经网络的研究始于40年代初，是在现代神经科学研究成果的基础上提出的。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。人工神经网络由相互连接的人工神经元组成的，根据学习阶段中流经网络的内部信息或外部信息改变自己的结构。人工神经网络在表示输入变量与输出变量的函数上施加的限制较少，这就使得它成为处理系统的复杂度难以预测的问题的有效方法。
3.2.4 遗传算法
遗传算法最初是由美国Michigan大学J.Holland教授于1975年首先提出来的是，它模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。其主要优点是优化求解过程与梯度无关，只需要目标函数是可计算的。对于复杂的优化问题只需选择、杂交、变异三种运算就能得到最优解。
虽然智能优化算法在水资源系统优化领域得到了越来越广泛的应用，但其也存在一些问题[4]：① 收敛性问题；② 解空间搜索策略问题；③ 没有完备的算法结构框架问题；④ 算法的理论学习问题；⑤ 算法参数大多凭经验选取的问题等。这些问题一直是国内研究的热点问题。
4 结论
随着社会、经济的发展，人类对水资源的需求量日益增长。因此，运用运筹学的方法对水资源系统进行优化管理，研究水资源开发的最优侧率，协调人与自然的关系，使人类社会与水资源环境系统达到系统演化，实现资源、环境、经济和社会的可持续发展是十分重要的。本文对水资源系统的优化管理问题进行介绍，分析了水资源系统优化管理模型的组成。对水资源系统优化管理模型的求解方法进行了系统的阐述，分析了不同方法的优缺点及适用范围。使从业者对优化问题的发展演变有一个整体的认识，使从业者能及时把握该领域的发展趋势，促进该领域向前发展。
参考文献：
[1]卢文喜，地下水系统的模拟预测和优化管理[M].北京：科学出版社，1999.
[2]《运筹学》教材编写组，运筹学（第三版）[M].北京：清华大学出版社，2005.
[3]杨晓华、沈珍瑶，智能算法及其在资源环境系统建模中的应用[M].北京：北京师范大学出版社，2004.
[4]周建峰，水利规划中的常用优化方法[J].湖南农机，2008，35（11）：144-145.
作者简介：
贾纯刚（1958-），男，工程师，主要从事水文水资源监测管理工作。