《Water Resources Research》：Hybrid Evolutionary-Exact Optimization Method for the Bi-Objective Design-For-Control of Water Distribution Networks
编辑推荐：
该研究考虑供水管网（WDN）的控制-设计，以联合优化性能与成本相关目标。特别地，研究人员聚焦于优化压力降低阀（PRV）的布置（设计）与设置（控制）问题，以最小成本最小化泄漏。研究人员提出了一种集成混合方法，结合确定性算法与进化算法（EA）的互补优势，以高效逼近
该研究考虑供水管网（WDN）的控制-设计，以联合优化性能与成本相关目标。特别地，研究人员聚焦于优化压力降低阀（PRV）的布置（设计）与设置（控制）问题，以最小成本最小化泄漏。研究人员提出了一种集成混合方法，结合确定性算法与进化算法（EA）的互补优势，以高效逼近非凸双目标混合整数非线性规划（MINLP）的帕累托前沿。设计决策由外层的多目标EA固定，而非线性规划（NLP）求解器在适应度评估阶段被调用以计算连续控制设置。该算法应用于案例研究和实际管网，并基于计算性能与返回解的质量与替代启发式方法进行比较。结果表明，所提方法比现有方法收敛更快且更一致，在成本与泄漏减少之间产生更好的权衡。特别地，使用所提集成混合方法计算的帕累托前沿近似具有更显著的拐点（即更有效的权衡），同时实现的计算改进有助于在离线规划期间将专家反馈整合到WDNs的控制-设计中。
**论文解读：供水管网双目标控制-设计的混合进化-精确优化方法**
**研究背景与问题**
供水管网（WDN）的可靠运行依赖于高效的操作管理，其中控制-设计问题（即同时优化管网设计决策与控制策略）是关键挑战。现有研究多聚焦于单一目标（如最小化成本或泄漏），但实际中需联合优化性能与成本两类目标，例如压力降低阀（PRV）的布置与设置问题，旨在最小化压力诱导泄漏的同时控制安装成本。该问题归结为复杂的非凸双目标混合整数非线性规划（MINLP），其求解面临两大难点：一是整数变量（阀位置与方向）与连续变量（阀开度）的耦合，二是非凸约束导致全局最优难以保证。传统确定性方法（如梯度法）虽能提供解的质量边界，但计算强度大，尤其对大规模管网；启发式方法（如进化算法，EA）能处理复杂目标，但搜索效率低，尤其当适应度评估昂贵时。因此，亟需一种混合方法，结合两者互补优势，以高效逼近帕累托前沿。该研究发表于《Water Resources Research》。
**研究内容与结论**
研究人员提出一种集成混合方法：外层采用多目标进化算法（NSGA-II）固定整数设计变量（阀位置与方向），内层调用非线性规划（NLP）求解器（IPOPT）计算连续控制变量（阀附加水头损失），从而在适应度评估阶段直接获取最优控制设置。该方法应用于三个管网：Pescara（99节点）、Net25（37节点）两个小案例网络，以及Bristol Water Field Lab（BWFL，2369节点）运营网络。与纯NSGA-II及顺序混合方法（先EA搜索后调用NLP）相比，所提方法收敛更快且更一致，生成的帕累托前沿近似更优，拐点更明显，即在成本与泄漏减少之间实现更高效的权衡。在环状网络（Pescara和Net25）中，通过重新分配流量，少量阀即可实现显著降压；在枝状运营网络（BWFL）中，大管径阀起关键作用，现有阀位置并非最优，理想阀数为1-2个。
**主要技术方法**（不超过250字）
1. 外层多目标进化算法：采用NSGA-II（MATLAB全局优化工具箱实现）编码整数设计变量，个体表示最多 个PRV的位置与方向，满足单向安装约束（每管仅装一阀）及总数限制。
2. 内层非线性规划求解器：对每个可行设计，调用IPOPT求解单目标NLP问题，目标为最小化平均区域压力（AZP，作为泄漏替代指标），约束包括质量守恒、能量守恒（含管道摩擦损失与阀局部损失）、阀流量方向限制及非返回特性。求解过程并行化处理各时间步（最多3个加载条件），对不可行解赋惩罚值。
3. 初始化策略：以最大开度阀状态下的水力模拟结果作为IPOPT的初始猜测，促进收敛。
**研究结果**
（保留原文小标题，简述通过什么研究得出什么结论）
**4.1 小案例网络**
对Pescara和Net25，帕累托前沿均呈现显著拐点（图4a-4b）。拐点附近解（a1, b1）仅安装2个PRV（一大一小管径），通过重新分配流量（如Net25中引导水流经过粗糙管道）实现与全阀配置（a2, b2）相当的降压效果，成本仅为后者的25%-37%。这表明在环状网络中，阀数量不宜作为成本的粗略代理，不同管径的成本差异导致帕累托前沿非单调，且最优解不一定包含所有先前选中的阀位置。
**4.2 运营网络（BWFL）**
BWFL为枝状结构，流量重分配受限，大管径阀的安装位置至关重要。帕累托前沿拐点不明显（图4c），但解c1（2阀，成本5,960�）和c2（3阀，成本10,034�）分别实现64%和84%的最大AZP降低，成本仅占30%和50%。现有阀配置c3（成本15,994�）虽接近最优，但边际效益递减，理想阀数为1-2个。分析显示，高程差异使得在DMA2中，需放弃对高区控制而在下游安装大阀，以更有效降压。
**4.3 与传统及顺序混合NSGA-II的比较**
五组独立实验表明：所提集成混合方法在每个生成时间约为纯NSGA-II的2.1-3.7倍，但收敛更快（图8）。在Pescara和BWFL中，最佳纯NSGA-II运行需4.4倍和2.5倍时间才能达到混合方法早期终止时的超体积值，且其他运行无法在500代内匹敌。混合方法在不同运行间结果更一致（超体积垂直散布更小），而纯NSGA-II在环状网络拐点附近表现差，因需协调多阀设置；顺序混合方法虽能改善部分解，但无法在EA搜索中考虑最优控制，导致漏失更优设计。
**讨论与结论**
讨论部分指出：本文方法虽有效，但存在局限——成本模型仅基于管径，忽略现场条件；内层NLP可能陷入局部最优；未来需考虑更多加载条件（如极端需求、火灾工况）及不确定性。研究结论翻译如下：本文研究了WDN的控制-设计，联合优化性能与成本目标。特别关注最优阀位置问题，同时优化非返回控制阀的布置和运行设置，以联合最小化压力诱导泄漏和设计成本。提出了一种新的集成混合启发式求解方法，用于逼近双目标（非凸）MINLP的帕累托前沿，并在两个案例WDN和一个运营WDN上与传统多目标GA和顺序混合求解方法进行了性能评估。所提方法依赖于进化方法与精确梯度方法的集成混合，利用其互补优势高效计算双目标WDN控制-设计问题的潜在非支配解。具体地，整数设计决策由多目标GA固定，而连续控制设置由NLP求解器计算。所提方法应用于两个小案例网络和一个大型运营WDN。尽管内层NLP求解增加了计算负担，但所提启发式方法能有效识别设计成本与压力诱导泄漏之间的良好权衡。结果强调，环状WDN的结构允许成本有效的流量重分配和降压，而枝状网络中候选阀位置的降压潜力更容易评估。与纯NSGA-II和顺序混合方法相比，所提方法收敛更一致，得到更好的帕累托前沿近似。尽管不提供全局非支配保证，但该方法更可扩展、更可靠，便于迭代“人在环”设计过程。最后讨论了局限性：成本模型简化、初始化策略、未来扩展。
