試驗遺傳算法研究及其在水資源系統(tǒng)問題中的應(yīng)用.pdf

1、隨著人口與經(jīng)濟(jì)的持續(xù)增長，人類社會對水的需求量不斷增加，水資源進(jìn)行性短缺和水環(huán)境持續(xù)惡化已成為全球性問題。20世紀(jì)90年代以來，作為最大的發(fā)展中國家，我國也開始面臨著日益突出的水資源短缺、水環(huán)境惡化和洪水災(zāi)害等水安全問題。今天，水資源系統(tǒng)己演變?yōu)橐粋€多目標(biāo)、多屬性、多層次、多功能和多階段的復(fù)雜巨系統(tǒng)，使得系統(tǒng)工程和系統(tǒng)分析成為當(dāng)前解決水資源系統(tǒng)問題的主要理論基礎(chǔ)和重要工具之一。隨著所研究系統(tǒng)廣度與深度的擴(kuò)大，傳統(tǒng)方法對于現(xiàn)代水資源系統(tǒng)的

2、高維、非凸、非線性等復(fù)雜問題的處理已日顯掣肘。近年來，隨著現(xiàn)代應(yīng)用數(shù)學(xué)和計算機(jī)技術(shù)的迅猛發(fā)展，針對復(fù)雜系統(tǒng)問題人們提出了人工智能計算理論與分析方法，如遺傳算法、人工神經(jīng)網(wǎng)絡(luò)模型、模糊集等，這些方法的引入極大地促進(jìn)了系統(tǒng)分析技術(shù)的發(fā)展，也為現(xiàn)代水資源系統(tǒng)問題的研究注入了新的活力。 在現(xiàn)代計算智能方法中，遺傳算法由于自適應(yīng)性強(qiáng)，全局優(yōu)化，概率搜索，隱含并行性以及簡單通用性等顯著優(yōu)點，在現(xiàn)代水資源系統(tǒng)問題中得到了廣泛應(yīng)用。然而在應(yīng)用中

3、發(fā)現(xiàn)，遺傳算法尚存在諸多不足有待完善，如：解空間搜索策略，問題收斂性，控制參數(shù)設(shè)置等，這也是它之所以長期成為國內(nèi)外計算智能研究熱點的原因。交叉集成是當(dāng)代科技創(chuàng)新的主要方式之一，也是遺傳算法種群衍生的重要途徑，把傳統(tǒng)、常規(guī)或現(xiàn)代、智能的數(shù)學(xué)方法與遺傳算法相結(jié)合以改善后者的性能是現(xiàn)代遺傳算法研究的重要方式。 本文在前人研究工作的基礎(chǔ)上，首次對傳統(tǒng)試驗設(shè)計方法與遺傳算法集成的可行性進(jìn)行了較為深入地探討，即①試驗設(shè)計與遺傳算法相結(jié)合的理

4、論背景一廣義試驗方法。②試驗設(shè)計與遺傳算法相互集成的應(yīng)用基礎(chǔ)，即二者極強(qiáng)的優(yōu)勢互補(bǔ)性。以此為理論基礎(chǔ)，第一次提出了二者相互雙向集成的具體方式和操作方法：即基于遺傳算法的試驗設(shè)計方法(遺傳正交設(shè)計、遺傳均勻設(shè)計)，基于試驗設(shè)計的改進(jìn)遺傳算法。其中，試驗設(shè)計嵌入遺傳算法形成試驗遺傳算法的具體實施步驟包括：①按均勻設(shè)計表對遺傳算法的初始群體進(jìn)行均勻性分布。②利用多個均勻設(shè)計表對各變量進(jìn)行不同水平組合，生成新的子代群體以提高種群的多樣性。③在精

5、英個體周圍一定范圍內(nèi)進(jìn)行確定性均勻分布搜索，稱為確定性均勻調(diào)優(yōu)操作。④隨機(jī)性正態(tài)分布搜索，在部分優(yōu)秀個體上周圍疊加一個服從正態(tài)分布的隨機(jī)變量產(chǎn)生新的子代群體。⑤攝動調(diào)優(yōu)試驗操作，即傳統(tǒng)的坐標(biāo)輪換法。數(shù)值實驗的結(jié)果說明，試驗遺傳算法作為傳統(tǒng)優(yōu)化方法、計算智能算法和試驗設(shè)計方法的綜合集成新方法，采用隨機(jī)性正態(tài)搜索和確定性均勻分布搜索，同時考慮變量的連續(xù)性與離散化，保證了算法較高的尋優(yōu)性能，計算效率高，通用性強(qiáng)，對復(fù)雜系統(tǒng)中的高維、非線性、非

6、凸及組合優(yōu)化等問題的求解具有較強(qiáng)的適應(yīng)性。水資源系統(tǒng)優(yōu)化問題是現(xiàn)代水資源系統(tǒng)問題的核心內(nèi)容。本文在以下幾個方面開展了試驗遺傳算法在水資源系統(tǒng)優(yōu)化問題中的應(yīng)用研究：①把灌溉渠道橫斷面設(shè)計轉(zhuǎn)化為非線性優(yōu)化問題，建立了相應(yīng)的優(yōu)化設(shè)計數(shù)學(xué)模型，并以梯形渠道斷面和U形渠道斷面為例，首次應(yīng)用試驗遺傳算法進(jìn)行渠道底寬和設(shè)計水深等參數(shù)的優(yōu)化。②針對控制大田地下水位的排水溝間距問題，構(gòu)造了以工程量最省為目標(biāo)的無約束優(yōu)化模型；針對控制稻田滲漏量的排水暗管設(shè)

7、計問題，首次建立了以工程造價最小，同時考慮滲漏量等多種約束的系統(tǒng)優(yōu)化問題，試驗遺傳算法對兩個模型的求解結(jié)果令人滿意。③建立了以經(jīng)濟(jì)性為目標(biāo)、以結(jié)構(gòu)安全性和技術(shù)可行性為約束的水電站壓力埋管結(jié)構(gòu)優(yōu)化設(shè)計模型，試驗遺傳算法獲得的優(yōu)選設(shè)計方案明顯好于傳統(tǒng)設(shè)計方法。 水資源系統(tǒng)預(yù)測問題是一門技術(shù)性、藝術(shù)性要求很高的課題，它既要求預(yù)測者掌握多種系統(tǒng)預(yù)測方法與技術(shù)，又要求預(yù)測者具有靈活綜合運用這些技術(shù)方法的能力。由于具有極強(qiáng)的非線性映射能力和

8、容錯性，人工神經(jīng)網(wǎng)絡(luò)已成為現(xiàn)代水資源系統(tǒng)工程中常用的建模方法之一。本文對BP人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)在水資源系統(tǒng)建模及預(yù)測問題中的應(yīng)用開展了如下工作：①在簡要介紹BP-ANN原理方法的基礎(chǔ)上，針對其不足研制了基于試驗遺傳算法的改進(jìn)BP人工神經(jīng)網(wǎng)絡(luò)方法，提高了BP-ANN的全局優(yōu)化能力。②應(yīng)用BP-ANN進(jìn)行非線性組合預(yù)測方法研究，有效避免了傳統(tǒng)組合預(yù)測模型權(quán)重的繁瑣計算。⑨針對組合預(yù)測中各模型權(quán)重難以科學(xué)確定的難題，首次根據(jù)“擇優(yōu)取

9、用”原則將預(yù)測模型的組合問題轉(zhuǎn)化為0、1異或的模式識別問題，并采用改進(jìn)的BP-ANN方法進(jìn)行該問題的求解，取得了令人滿意的結(jié)果。這種確定變權(quán)重的方法實質(zhì)上是一個模型優(yōu)選過程，由于對每個樣本都是取用各預(yù)測模型中的最優(yōu)者，因此能在現(xiàn)有預(yù)測水平下保證模型“總是最好”，同時具有清晰易懂，簡便易操作的優(yōu)點。作為變權(quán)重組合預(yù)測方法的一個特例，在組合預(yù)測領(lǐng)域有較高的實用價值。水資源系統(tǒng)評價問題的關(guān)鍵是評價模型的合理構(gòu)造及其有效優(yōu)化，基于常規(guī)建模和優(yōu)化

10、方法的傳統(tǒng)方法已難以勝任復(fù)雜水資源系統(tǒng)中涉及多屬性、多層次、多因子的綜合評價問題。本文結(jié)合水資源系統(tǒng)評價問題中的不足做了以下兩方面工作：①針對農(nóng)業(yè)灌溉用水水質(zhì)綜合評價過程中存在的評價結(jié)果不相容性問題，提出基于數(shù)據(jù)探索和試驗遺傳算法求解的投影尋蹤綜合評價模型，較之灰色聚類法，其數(shù)學(xué)概念清晰，評價結(jié)果更精確合理。②基于線性屬性測度函數(shù)的傳統(tǒng)屬性識別模型對隨機(jī)抽樣的評價結(jié)果存在較大誤差，為此首次提出了基于非線性屬性測度函數(shù)的改進(jìn)屬性識別模型。