摘 要：随着全球电子计算机数字技术的不断发展，关于遗传算法的研究也应用到了社会生产的各个领域当中，本文将从遗传算法的出现开始谈起，分析算法的理论模型和编码方式，进而分析遗传算法在水利土木工程项目中的实际应用，希望在未来的水利土木工程发展中，遗传算法能够进一步得到应用和推广。
关键词：遗传算法；水利土木工程；应用。
前言：关于遗传算法在工程项目中的具体应用，得到了许多国内外学者的研究重视，近几年来，专家学者们对遗传算法又进行了修整和改进，希望通过和计算机人工智能进行融合的方式，提高水利土木工程中的自动化控制效率，引入量子理论学说，提高遗传算法的自身性能和收敛度，努力克服遗传算法在应用过程中的早熟现象。
一、遗传算法的出现。
遗传算法主要指的是通过模拟达尔文生物进化理论中的自然选择理论以及遗传学理论当中的生物进化过程，将自然选择和生物进化设计成为一种计算方式，进而寻找到问题的最优解决方案。
John Holland是遗传算法的提出者，在1962年，John Holland提出了监控程序思想，创造性地提出了种群变异等概念，在1980年时，Bethke又进一步对遗传算法进行了函数优化，并且进行了数学分析，为今后在实际生产工程中的应用做好了充分的准备。遗传算法在搜索的过程中，并不依赖其他信息梯度，而是朝着搜索的方向进行科学的适应度函数设计，因而遗传算法被广泛地应用在复杂问题的解决方案中，不涉及到具体的项目性质，具有很强的抗变换性和生存性，所以在一些水利土木工程项目中得到了很好的应用和推广。
二、遗传算法的理论模型及编码形式。
遗传算法的应用优势在于，它的适应能力很强，能够适应不同的生产环境和问题环境，而且在大部分问题情境当中都可以获得比较满意的解答方案，对群体进行初始化选择，然后再进行交叉变异。自上个世纪80年代开始，全球计算机技术得到了飞速发展，遗传算法也有了更多的应用发展领域，特别是在水利土木工程的建设项目当中，起到了非常关键的作用，对遗传算法的理论模型研究也更加深入，在数学化建模、收敛性分析和收敛度的探究过程中，使用随机过程理论对遗传算法进行数学建模，为遗传算法的收敛提供条件，在数学建模和完善的过程中，创建了一种叫作有限齐次马尔科夫链的数学理论模型，配合遗传算法在各生产领域中应用。
关于遗传算法的编码方式，二进制编码是之前最早应用的编码方式，二进制编码的理论研究比较久，有很多的理论研究成果，能够为遗传算法提供大批量的模板，因而可以被应用在和问题相独立的遗传算子分析中，有着特定的使用范围，不过二进制的编码方式并不针对所有运算问题的最优解，而且在问题集锦的过程中，又会重新出现一些需要解答的问题。也就是说，寻找合适的编码方式是解决问题的关键，根据编码方式的不同，来选择合适的遗传算法，在目前的研究当中，对于遗传算法的编码方式还没有一个确切的定论，需要在今后的水利土木工程项目实践中继续深入探索。
三、遗传算法在水利土木工程中的应用现状。
（一）计算机人工智能。
在目前的水利土木工程项目发展过程中，将遗传算法和现代化计算机人工智能手段结合并应用在了一起，实现了水利土木工程项目的计算机人工智能化管理，遗传算法在具体的智能化管理应用中，可以将数据库查询系统进行优化，然后进一步对工程项目中的数据进行深度挖掘，将一些实际水利土木工程项目本身的知识信息和数据进行分析和整理，获取更多有价值的工程数据，在具体的水利土木工程施工过程中，遗传算法还被应用在了智能化的软件应用上面，进而生成自动化的处理系统，在具体的计算机人工智能的操作过程中，遗传算法主要被应用在智能化参数的设计和优化上面，再对智能化的生产施工操作模式进行特征识别，将识别后的结果进行总结，上传给专家研究系统，进而构建一种人工智能化的神经网状系统结构，提高水利土木工程项目的施工效率水平。
（二）水利工程项目的自动化控制系统。
在水利土木工程项目的自动化控制阶段，遗传算法主要被应用于土木结构自身优化设计以及可靠性分析当中，加强对土木工程项目中的地基工程设计与管理，并且设置相应的自动化控制系统，对土木工程项目有一个整体的规划概念，从而方便接下来的土木工程房地产项目，而在自动化控制下水利工程项目中，可以将遗传算法应用在水电站内部的优化制度调整中，加强水利工程自身的自动化优化调度，提高水网的自动优化过滤性，特别是在对水利工程进行防范旱涝灾害预测时，有着较高的准确率，避免了许多自然灾害事故对水利土木工程项目造成的影响和损失，在自动化控制领域当中，遗传算法能够被应用在智能系统的参数调节中，Karr曾经采用遗传算法来设计自适应模糊逻辑处理器，并且获得了显着的实验结果，将GA优化技术应用在了RBF神经网络系统当中，对输出层权值进行了系统优化，对控制系统中处理器参数进行了整定，Fonesca则是将多目标遗传算法用以解决水利土木工程中自动化控制机器人的设计上面，利用GA优化技术排出自动化自动中出现的故障问题，同时设计好机器人的具体行走路线，将自动化机器人控制生产方式应用在了疑难问题的解决当中，保护了水利土木工程项目中工人的人身安全。
（三）多目标函数最优化问题的解决。
在具体的遗传算法解决实际工程项目问题的过程中，多目标函数的最优化问题解决是由Pareto提出的，这种多目标函数的群体决策形式是基于管理学、决策理论、经济学院以及水利土木工程项目而提出的，GA优化设计的方式非常适合那些多目标的优化求解问题，可以通过合理的遗传算法同时并行处理问题，转变了过去目标间的排序习惯，对一个存在潜在问题的种群定期进行多向的搜索，然后再跳出种群的限制提出一种最为合理的解决方案，打破了传统运算形式当中数学规划方法当中点对点计算搜索方式，弥补了点对点计算方法中的缺陷和不足。在未来的水利土木工程建设项目当中，可以利用现代化的互联网技术，实现工程之间软件算法的融合，从而提高遗传算法的适用范围。
结论：综上所述，虽然遗传算法本身已经出现了30多年之久，但是它在我国水利土木工程项目中的应用还处在起步发展阶段，需要在今后的发展中继续创新研究，提高遗传算法自动化智能系统软件的应用性，加强对多目标函数的最优化问题解决，针对遗传算法的理论模型和编码方式，相应地创新设计出更为有效的应用模式。
参考文献：
[1]李南生，唐博，谈风婕，谢利辉。基于统一强度理论的土石坝边坡稳定分析遗传算法[J/OL].岩土力学，2013（01）。
[2]袁朝阳，吴成国，张宇亮，钟磊，杨齐祺。基于加速遗传算法的方钢管混凝土柱优化模型[J].华北水利水电大学学报（自然科学版），2016,02:57-61.
[3]潘婷，雷晓云，靳�，李芳松。遗传算法在乌鲁瓦提水库优化调度中的应用研究[J].水利与建筑工程学报，2011,01:23-25.