基于粒子群算法的小區(qū)綠化排班系統(tǒng)研究

袁曉紅 何麗文

摘 要：居住區(qū)綠化管理作為一種新型的管理項目，在居住區(qū)設(shè)計中起著非常重要的作用。相應(yīng)的管理內(nèi)容涉及到環(huán)境清潔、日常管理以及綠化環(huán)境等。居住區(qū)管理具有可持續(xù)性以及長久性的特點，對居住區(qū)管理者的技術(shù)要求非常高。為提高管理效率，本文將引進粒子群算法進行小區(qū)綠化管理系統(tǒng)的研究，并以其中的排班管理進行詳細(xì)說明，以提高小區(qū)綠化管理效率。

關(guān)鍵詞：粒子群算法;小區(qū);綠化管理系統(tǒng);排班管理

中圖分類號：TP273 文獻標(biāo)識碼：A 文章編號：1671-2064（2019）10-0015-02

居住區(qū)綠化設(shè)計與管理的目的是為居住者提供良好的居住和活動環(huán)境。因此，在綠化設(shè)計中應(yīng)堅持人性化、生態(tài)化、設(shè)計管理自然化的原則和觀念，結(jié)合居住區(qū)綠化的實用性和觀賞性，實現(xiàn)對居住區(qū)綠化有效的設(shè)計及管理。

小區(qū)綠化設(shè)計與管理應(yīng)堅持以人為本的統(tǒng)一規(guī)劃、協(xié)調(diào)布局原則，應(yīng)區(qū)分中心綠地、道路綠地和庭院綠地，注重科學(xué)系統(tǒng)的規(guī)劃管理。此外，在養(yǎng)護管理工作中要盡量保持原有的生態(tài)，在保證低投入的同時保持生態(tài)。

1 系統(tǒng)概述

在社會經(jīng)濟的不斷發(fā)展下，人們對生活質(zhì)量的要求也日益提高。綠化管理日益突出的矛盾，使傳統(tǒng)的管理方法在新形勢下得到了改善。數(shù)字化管理在小區(qū)管理中的應(yīng)用可以有效提高小區(qū)管理者的工作效率，為小區(qū)建設(shè)規(guī)劃和維護管理提供科學(xué)依據(jù)，促進小區(qū)綠化精細(xì)化管理。

在小區(qū)綠化管理體系設(shè)計中，應(yīng)重視對小區(qū)植被設(shè)計的管理。小區(qū)綠化管理應(yīng)把握植被的習(xí)慣，分層管理。在管理環(huán)節(jié)上，應(yīng)注意植被與周圍環(huán)境、建筑物的協(xié)調(diào)。小區(qū)綠化管理系統(tǒng)設(shè)計還可以重點應(yīng)用信息化的設(shè)計與管理技術(shù)等，應(yīng)用信息技術(shù)進行植被監(jiān)測，有效地收集數(shù)據(jù)，促進設(shè)計管理的發(fā)展。

系統(tǒng)涉及到的功能很多，如植物信息功能、氣候信息功能、人工影響功能以及排班管理功能等，本文主要以系統(tǒng)中的一個功能模塊進行詳細(xì)說明，即排班管理功能。由于綠化管理工作需要不定期進行，需要對綠化管理的人員排班進行合理安排，因此本文引入粒子群算法，以此對人員排班管理工作進行相應(yīng)的優(yōu)化，從而促進小區(qū)綠化管理工作的順利進行，提高管理效率。

2 基于粒子群算法的排班管理設(shè)計

2.1 粒子群算法

粒子群算法，一般也將其稱為粒子群優(yōu)化算法，或者是鳥群覓食算法（Particle Swarm Optimization），即PSO。這種算法是由J.Kennedy和R.C.Eberhart等合作設(shè)計的，與模擬退火設(shè)計的算法差不多，都是屬于進化算法（Evolutionary Algorithm-EA）。粒子群算法開始是使用隨機解，然后利用迭代的方法，獲取最優(yōu)解。這種方法就是利用使用度，在其使用原理的基礎(chǔ)上對解的品質(zhì)做一個評價。它能夠遺傳算法，相比較而言，這種算法有著更簡單的規(guī)則以及操作程序。其操作主要是利用搜索的當(dāng)前的最優(yōu)值，然后綜合以得出最好的算法結(jié)果。故，這種算法更具簡單化，以及高精度性、快收斂性等。很多專家學(xué)者因為了解粒子算法的這種優(yōu)越性，運用他們解決了生活中的很多問題。由此，也可以將其看作是一種并行算法。

2.2 排班管理優(yōu)化

在粒子群算法中，它主要是在本身信息的基礎(chǔ)山，通過個體極值信息以及利用全局極值信息，然后進行迭代，使得在迭代過程中，粒子收斂速度不斷變小。在此過程中，一旦使用的本身信息和個體極值信息過多，就會導(dǎo)致系統(tǒng)顯示出現(xiàn)最優(yōu)解，而放棄進行搜索。為了避免在實際使用情況中出現(xiàn)這種問題，本文在設(shè)計算法中以Pareto占優(yōu)思想為基礎(chǔ)，利用其多目標(biāo)優(yōu)化算法，同時還結(jié)合了遺傳算法，使得在排班管理中，能夠?qū)Χ鄠€目標(biāo)進行優(yōu)化，這種就可以在不同方向都有粒子進行搜索，通過變異操作，就不會進行局部最優(yōu)操作，局部最優(yōu)的情況也不會發(fā)生。

2.2.1 編碼

本文編碼主要是使用自然數(shù)，用矢量來說明粒子x。同時sk可以表示為任何一個自然數(shù)，并且，表示的自然數(shù)并不會存在重復(fù)性。在這個程序編碼中，出現(xiàn)的第k個基因sk的含義就是綠化管理人員sk所安排的排班是排班k。

2.2.2 不可行解的處理

在對綠化管理人員進行排班工作時，需要考慮對于同一綠化管理人員來說，其排班表是否符合每一個銜接條件，一旦開展了變異交叉操作，就會出現(xiàn)不可行解。因此，為了使得變異交叉操作更加方便且易于操作，本文在設(shè)計中加入近似可行解，然后在可行的條件下，可以存在一些較好的不可行解。然后，在不斷的增加進化代數(shù)，近似可行解就會慢慢地與可行域接近，從而，在整個進化過程中，整個解空間會不斷地接近sk最優(yōu)解。

近似可行解就是指在進行不可解時，定閾值是大于其不可行度的。

在上面公式中，進化代數(shù)是T，然后，將種群規(guī)模設(shè)置為N，閾值作為一個變量，是在不斷變小的，并受不斷增加的進化代數(shù)的影響，其近似可行解就會不斷變化，最后，慢慢地轉(zhuǎn)變?yōu)榭尚薪狻?/p>

2.2.3 優(yōu)勝關(guān)系

對于向量x，y，如果，即≤肯定會出現(xiàn)一個，表示x支配y，記為。

假設(shè)x，y兩者之間是不存在支配關(guān)系的，那么，也就說明這兩者之間是互補相關(guān)的，將其看作是。

如果，或者是x與y不相關(guān)，將其表示為。

2.2.4 用快速排序算法構(gòu)造全局極值

在進行算法時，都會利用一個粒子，將其看作是比較個體x（通常會將第一個粒子作為選擇的比較個體），然后遵從關(guān)系進行比較判斷，進行排序之后，對于種群中的個體，就以x為界限，就可以將其分成兩部分，因此，我們就將比x“小”的部分，看作是被支配個體，然后下一輪排序時，這部分就可以被忽略掉;在第二部分中，主要是不比x“小”的個體，它們可能比“x”大，也可能與“x”的關(guān)系是不相關(guān)。如果這些個體不能夠支配“x”，那么就可以將“x”看作是種群的非支配個體，這個x 就放進非支配集中。當(dāng)個體比x大時，x就是被支配個體。然后在后面進行排序是時，就會只有這個個體。

2.2.5 個體極值的更新

在傳統(tǒng)粒子群算法中，當(dāng)對個體極值進行更新時，對粒子的適應(yīng)度進行觀察，一旦其比最初的個體極值好，就將其看作是當(dāng)前的個體極值。但是，在多目標(biāo)粒子群算法中，是以Pareto為基礎(chǔ)，是無法比較兩個沒有關(guān)系的粒子的。在個體極值中，一旦全局最優(yōu)解中的近親個體存在過多，就會不斷加快進化過程，使得局部收斂狀態(tài)會過早的到來。在本次設(shè)計中，對于不相關(guān)的粒子進行比較，主要是采用全局極值，通過其濃度來進行判斷。

當(dāng)出現(xiàn)的濃度越大，他們之間的相似度就會越高。在個體極值中，還存在一些個體，其具有很小的不可行度、很小的濃度，同時目標(biāo)最優(yōu)，如果粒子x與個體極值pbestk符合下述中任一條件，就會使得更新個體極值滿足pbestk=x。

2.3 優(yōu)化結(jié)果分析

為了對算法最終的結(jié)果進行驗證，測試其結(jié)果是否科學(xué)合理，將在使用排班模型的基礎(chǔ)上，然后設(shè)計多目標(biāo)粒子群算法，對湖南地區(qū)小區(qū)綠化管理中人員排班問題進行處理。這里對某小區(qū)2018年8月1日至2018年9月1日的綠化管理排班進行優(yōu)化排班，該小區(qū)綠化管理人員有50人。

在對算法進行驗證時，為了測試其先進性，對該小區(qū)綠化管理人員進行排班設(shè)計，在周進度表的基礎(chǔ)上，自動排班，然后收集使用了基本粒子群算法的排班情況，以及收集以Pareto最優(yōu)為基礎(chǔ)的多目標(biāo)粒子群算法的排班情況，然后，將兩種數(shù)據(jù)進行比較，分析結(jié)果如表1所示。

由于改進的多目標(biāo)粒子群算法，能夠?qū)⒚恳粋€人目標(biāo)進行優(yōu)化，粒子開展搜索時會比較全面，在很大程度上減少了太早出現(xiàn)局部最優(yōu)的情況，這樣就可以保證得到較好的解。在基本算法中，因為其具有很好的收斂性，就會出現(xiàn)局部最優(yōu)的情況，導(dǎo)致搜索終止，優(yōu)化粒子群算法在排班管理優(yōu)化中取得了較好的效果，該算法具有一定的合理性及有效性。

3 結(jié)語

數(shù)字化小區(qū)綠化管理系統(tǒng)的建設(shè)在小區(qū)管理中所起的作用舉足輕重，特別是在信息社會飛速發(fā)展的今天，數(shù)字化管理促進了小區(qū)綠化的科學(xué)化以及規(guī)范化。數(shù)字化以其操作簡單、查詢方便以及功能完善等優(yōu)點，在小區(qū)綠化建設(shè)中得到了廣泛的應(yīng)用，有效提高了小區(qū)經(jīng)濟效益以及社會效益。本文主要是對其中的排班管理功能進行了設(shè)計說明，引用粒子群算法進行排班管理優(yōu)化，從而有效提高綠化管理的工作效率，進而促進小區(qū)綠化建設(shè)的全面發(fā)展。

參考文獻

[1] 唐振宇，姚月英.城市園林綠化數(shù)字化管理體系的構(gòu)建與實現(xiàn)[J].建筑工程技術(shù)與設(shè)計，2017（14）：5427-5427，5423.

[2] 儲曉雷，李丹，李宏力.基于SuperMap的城市園林綠化管理系統(tǒng)設(shè)計[J].交通科技與經(jīng)濟，2017，19（4）：68-72.

[3] 賈琳.基于SQL語言的園林植物管理系統(tǒng)的設(shè)計與研究[J].電子設(shè)計工程，2017，25（10）：38-40.

[4] 張增勇，毛保華，杜鵬，等.基于懲罰費用的城市軌道交通乘務(wù)排班優(yōu)化模型與算法[J].交通運輸系統(tǒng)工程與信息，2014，14（2）：113-120.

[5] 劉昕，白存儒，劉慧穎.帶時間窗的飛機排班問題優(yōu)化[J].航空工程進展，2012，3（4）：517-521.