2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩115頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、遺傳算法(Genetic algorithm,GA)是一類借鑒生物進(jìn)化論和遺傳學(xué)原理的自適應(yīng)全局隨機(jī)搜索算法,具有簡單易行、魯棒性強(qiáng)等優(yōu)點(diǎn)。目前GA研究還存在局部搜索能力弱、早熟收斂和收斂速度慢等問題。精英策略是利用種群精英個體信息來改進(jìn)算法性能,已有改進(jìn)算法有效解決了收斂速度慢的問題,但是仍存在進(jìn)化后期局部搜索能力弱的問題,求解病態(tài)測試函數(shù)時(shí)會出現(xiàn)早熟收斂現(xiàn)象。
  作物生長模型是以作物生長發(fā)育內(nèi)在規(guī)律為基礎(chǔ),對作物生理過程與環(huán)

2、境和技術(shù)的關(guān)系加以理論概括和量化分析的數(shù)學(xué)模型。當(dāng)模型在不同環(huán)境條件或考慮品種差異時(shí),模型品種參數(shù)需要重新優(yōu)化,屬于多變量、非線性的復(fù)雜優(yōu)化問題。遺傳算法作為一種啟發(fā)式的全局優(yōu)化方法,非常適合求解此類優(yōu)化問題,但傳統(tǒng)遺傳算法在應(yīng)用過程中存在早熟收斂現(xiàn)象。已有改進(jìn)遺傳算法雖然可獲得更準(zhǔn)確的模型參數(shù),但存在著結(jié)構(gòu)復(fù)雜且參數(shù)較多、求解效率不高等問題。
  針對上述問題,本研究提出了一種基于精英策略的改進(jìn)遺傳算法,提升了算法搜索性能;并將

3、其應(yīng)用到作物生長模型品種參數(shù)估算中,為解決作物模型參數(shù)優(yōu)化問題提供了一種新方法;在此基礎(chǔ)上開發(fā)了基于改進(jìn)遺傳算法的水稻生育期模型參數(shù)優(yōu)化系統(tǒng)。論文的主要貢獻(xiàn)包括:
  (1)提出個體優(yōu)勢遺傳算法(Individual Advantages Genetic Algorithm,IAGA),提高了算法的收斂速度和收斂精度。
  基于精英策略思想,在種群進(jìn)化過程中引入了一個精英子種群,保持算法全局收斂性的同時(shí),增強(qiáng)算法在最優(yōu)解區(qū)域

4、的局部搜索能力。引入半粒子群變異算子(Semi-Particle Swarm Mutation Operator,SPSMO),利用精英個體信息引導(dǎo)個體變異,提高了算法前期向全局最優(yōu)解靠攏的速度;精英子種群更新中引入個體優(yōu)勢算子(Individual Advantages Operator,IAO),提高種群優(yōu)勢個體的多樣性。理論分析證明,IAGA具有全局收斂性。14個測試函數(shù)試驗(yàn)結(jié)果表明:算法收斂速度快,尋優(yōu)能力強(qiáng)。與已有同類算法相比

5、,平衡了收斂速度和全局收斂性之間矛盾的同時(shí),進(jìn)一步提高了收斂速度和精度。
  (2)提出基于IAGA的水稻生育期模型參數(shù)優(yōu)化方法,實(shí)現(xiàn)品種參數(shù)自動率定。
  以IAGA為基礎(chǔ),RiceGrow和ORYZA2000水稻生育期模型為應(yīng)用對象,設(shè)計(jì)了IAGA和水稻生育期模型耦合框架、目標(biāo)函數(shù)及適應(yīng)度函數(shù)。針對汕優(yōu)63、鹽粳2號、蘆絲占、雪花粘和兩優(yōu)培九等5個水稻品種多年實(shí)測數(shù)據(jù)的試驗(yàn)結(jié)果表明:
  1)IAGA可獲得較準(zhǔn)確的

6、模型品種參數(shù),試驗(yàn)驗(yàn)證結(jié)果的RMSE<3.05d,R2>0.9885。
  2)調(diào)參數(shù)據(jù)量大小對IAGA擬合結(jié)果影響不大。由3年數(shù)據(jù)增加到6年數(shù)據(jù),試驗(yàn)結(jié)果的最大NRMSE值由2.58%增大到3.08%,增加了0.5%。
  3)選擇隔年并包含全生育期天數(shù)最大值與最小值的調(diào)參數(shù)據(jù),可以獲得較準(zhǔn)確的模型品種參數(shù)。
  4)IAGA應(yīng)用效果優(yōu)于復(fù)合形混合演化算法、遺傳模擬退火算法以及標(biāo)準(zhǔn)粒子群算法,可獲得更準(zhǔn)確的模型品種參

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論