【摘要】：智能優(yōu)化算法是一種通過模擬或揭示某些自然現(xiàn)象或過程的優(yōu)化算法。因為其操作簡單,對目標函數(shù)要求較低的特點目前已經(jīng)廣泛應用于復雜問題的求解。但智能優(yōu)化算法全局收斂能力較強,局部收斂能力較差,目前的重點都在對其進行改進,提高它的局部收斂能力。通常的改進方法是將兩種智能優(yōu)化算法結(jié)合或?qū)鹘y(tǒng)優(yōu)化算法與智能優(yōu)化算法相結(jié)合,而傳統(tǒng)優(yōu)化算法包含兩類,一類包含導數(shù),而另一類不需要求導。而含導數(shù)的傳統(tǒng)優(yōu)化算法收斂速度明顯快于不含導數(shù)的傳統(tǒng)優(yōu)化算法。本文考慮到傳統(tǒng)優(yōu)化算法中的梯度下降法操作簡單、局部收斂能力較強的特點,在智能優(yōu)化算法的運算過程中加入梯度,構(gòu)成含有導數(shù)的智能優(yōu)化算法,并將其應用到水文地質(zhì)參數(shù)和河流水質(zhì)參數(shù)求解過程中。主要研究工作如下:本文首先介紹文中用到的幾種算法的基本理論和具體運算步驟以及程序流程圖,分析每種算法的優(yōu)缺點,提出含有導數(shù)的粒子群算法和含有導數(shù)的遺傳算法,并分別用幾個測試函數(shù)對混合算法進行驗證,說明含有導數(shù)的智能優(yōu)化算法的可行性。其次主要以水文地質(zhì)參數(shù)和河流水質(zhì)參數(shù)求解過程為例,利用含有導數(shù)的智能優(yōu)化算法以及標準智能優(yōu)化算法進行求解。通過對比分析計算結(jié)果,驗證了含有導數(shù)的智能優(yōu)化算法對于求解水文水質(zhì)參數(shù)問題的可行性;并將計算結(jié)果反演得到的計算數(shù)據(jù)與實際數(shù)據(jù)進行比較,兩者擬合程度更好,驗證了含有導數(shù)的智能優(yōu)化算法計算結(jié)果的可靠性。其次通過比較含有導數(shù)的智能優(yōu)化算法與不含導數(shù)的智能優(yōu)化算法的計算過程,發(fā)現(xiàn)含有導數(shù)的智能優(yōu)化算法收斂時所需要的進化次數(shù)明顯少于不含導數(shù)的智能優(yōu)化算法,充分表明含有導數(shù)的智能優(yōu)化算法的收斂速度更快。最后給原始數(shù)據(jù)加一個輕微擾動,再次利用含有導數(shù)的智能優(yōu)化算法與不含導數(shù)的智能優(yōu)化算法進行求解,發(fā)現(xiàn)含有導數(shù)的的智能優(yōu)化算法在求解時依然能夠快速得到最優(yōu)解,且運算過程相對穩(wěn)定,進一步驗證含有導數(shù)的智能優(yōu)化算法不僅收斂能力更強而且更為穩(wěn)定。
【圖文】：

9圖 2.1 PSO 流程圖 2.1 所示。etic Algorithm)簡稱 GA[26]，最初是美國 Michiga自然選擇的思想以及基因遺傳學模型基礎(chǔ)上提出搜索和優(yōu)化的先進思想[27]，即適者生存，優(yōu)勝劣汰數(shù)學問題中一代代進化，保留較優(yōu)解，剔除較差解有最優(yōu)解保留下來，達到我們尋求最優(yōu)解的目的用形式由 Goldberg 提出[28]，，這種算法與傳統(tǒng)優(yōu)化

而進化代數(shù)太多時，種群已經(jīng)早熟，時間、資源白數(shù)一般取 100-500。法基本流程隨機產(chǎn)生初始種群，個體數(shù)目 NP，每個個體表示為染色體的基求出每個個體的適應度，并判斷是否符合終止條件，若符合，的最優(yōu)解[31]，否則轉(zhuǎn)向第三步； 根據(jù)適應度高低選擇再生個體，適應度高的個體留下，適應度交叉。按照特定的交叉概率，選擇合適的交叉方法生成新的個變異。按照特定的變異概率，選擇合適的變異方法生成新的個由交叉和變異產(chǎn)生新一代的種群，返回 Step2。流程圖如圖 2.2 所示。
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP18;O224

【參考文獻】

相關(guān)期刊論文 前10條

1 袁帆;劉元會;郭建青;王璐璐;;利用單純形-粒子群混合算法確定越流含水層參數(shù)[J];南水北調(diào)與水利科技;2015年04期

2 付翠;劉元會;郭建青;袁華;;識別河流水質(zhì)模型參數(shù)的單純形-差分進化混合算法[J];水力發(fā)電學報;2015年01期

3 袁華;劉元會;郭建青;張洪波;付翠;;基于改進的粒子群優(yōu)化算法確定河流水質(zhì)參數(shù)[J];西北農(nóng)林科技大學學報(自然科學版);2014年11期

4 王久杰;常安定;郭建青;王靜云;;混沌差分算法在確定河流水質(zhì)模型參數(shù)中的應用[J];水資源與水工程學報;2013年03期

5 周秀秀;常安定;郭建青;王久杰;;混沌粒子群優(yōu)化算法在確定含水層參數(shù)中的應用[J];水資源與水工程學報;2013年01期

6 付曉剛;代鋒剛;鄒曄;;單純形探索法在確定含水層參數(shù)中的應用[J];水資源與水工程學報;2011年06期

7 劉潔;吳亮紅;劉建勛;;基于單純形算子的混合差分進化算法[J];計算機工程;2009年13期

8 黃少榮;;遺傳算法及其應用[J];電腦知識與技術(shù);2008年34期

9 郭建青;李彥;王洪勝;周宏飛;;粒子群優(yōu)化算法在確定含水層參數(shù)中的應用[J];中國農(nóng)村水利水電;2008年04期

10 江思珉;朱國榮;胡西嘉;季月華;;單純形—模擬退火混合算法反求水文地質(zhì)參數(shù)及其并行求解[J];地質(zhì)論評;2007年01期

相關(guān)博士學位論文 前1條

1 唐賢倫;混沌粒子群優(yōu)化算法理論及應用研究[D];重慶大學;2007年

相關(guān)碩士學位論文 前5條

1 張轉(zhuǎn);基于差分進化算法的混凝土德拜模型的研究[D];長安大學;2015年

2 袁華;確定河流水質(zhì)參數(shù)的單純形—混沌優(yōu)化算法研究[D];長安大學;2014年

3 紀雪玲;改進粒子群優(yōu)化算法及其在人工神經(jīng)網(wǎng)絡中的應用研究[D];西南林業(yè)大學;2012年

4 孫晶晶;粒子群優(yōu)化算法的改進及其應用研究[D];陜西師范大學;2010年

5 孟令群;混沌粒子群算法在河流水質(zhì)模型參數(shù)識別中的應用[D];長安大學;2009年

本文編號：2630517