試驗遺傳算法研究及其在水資源系統(tǒng)問題中的應用.pdf

1、隨著人口與經濟的持續(xù)增長，人類社會對水的需求量不斷增加，水資源進行性短缺和水環(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)境惡化和洪水災害等水安全問題。今天，水資源系統(tǒng)己演變?yōu)橐粋€多目標、多屬性、多層次、多功能和多階段的復雜巨系統(tǒng)，使得系統(tǒng)工程和系統(tǒng)分析成為當前解決水資源系統(tǒng)問題的主要理論基礎和重要工具之一。隨著所研究系統(tǒng)廣度與深度的擴大，傳統(tǒng)方法對于現代水資源系統(tǒng)的

2、高維、非凸、非線性等復雜問題的處理已日顯掣肘。近年來，隨著現代應用數學和計算機技術的迅猛發(fā)展，針對復雜系統(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、人工神經網絡模型、模糊集等，這些方法的引入極大地促進了系統(tǒng)分析技術的發(fā)展，也為現代水資源系統(tǒng)問題的研究注入了新的活力。 在現代計算智能方法中，遺傳算法由于自適應性強，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，在現代水資源系統(tǒng)問題中得到了廣泛應用。然而在應用中

3、發(fā)現，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，控制參數設置等，這也是它之所以長期成為國內外計算智能研究熱點的原因。交叉集成是當代科技創(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)或現代、智能的數學方法與遺傳算法相結合以改善后者的性能是現代遺傳算法研究的重要方式。 本文在前人研究工作的基礎上，首次對傳統(tǒng)試驗設計方法與遺傳算法集成的可行性進行了較為深入地探討，即①試驗設計與遺傳算法相結合的理

4、論背景一廣義試驗方法。②試驗設計與遺傳算法相互集成的應用基礎，即二者極強的優(yōu)勢互補性。以此為理論基礎，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計方法(遺傳正交設計、遺傳均勻設計)，基于試驗設計的改進遺傳算法。其中，試驗設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按均勻設計表對遺傳算法的初始群體進行均勻性分布。②利用多個均勻設計表對各變量進行不同水平組合，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進行確定性均勻分布搜索，稱為確定性均勻調優(yōu)操作。④隨機性正態(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)分布的隨機變量產生新的子代群體。⑤攝動調優(yōu)試驗操作，即傳統(tǒng)的坐標輪換法。數值實驗的結果說明，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計方法的綜合集成新方法，采用隨機性正態(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，對復雜系統(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的適應性。水資源系統(tǒng)優(yōu)化問題是現代水資源系統(tǒng)問題的核心內容。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)化問題中的應用研究：①把灌溉渠道橫斷面設計轉化為非線性優(yōu)化問題，建立了相應的優(yōu)化設計數學模型，并以梯形渠道斷面和U形渠道斷面為例，首次應用試驗遺傳算法進行渠道底寬和設計水深等參數的優(yōu)化。②針對控制大田地下水位的排水溝間距問題，構造了以工程量最省為目標的無約束優(yōu)化模型；針對控制稻田滲漏量的排水暗管設

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果令人滿意。③建立了以經濟性為目標、以結構安全性和技術可行性為約束的水電站壓力埋管結構優(yōu)化設計模型，試驗遺傳算法獲得的優(yōu)選設計方案明顯好于傳統(tǒng)設計方法。 水資源系統(tǒng)預測問題是一門技術性、藝術性要求很高的課題，它既要求預測者掌握多種系統(tǒng)預測方法與技術，又要求預測者具有靈活綜合運用這些技術方法的能力。由于具有極強的非線性映射能力和

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

9、用”原則將預測模型的組合問題轉化為0、1異或的模式識別問題，并采用改進的BP-ANN方法進行該問題的求解，取得了令人滿意的結果。這種確定變權重的方法實質上是一個模型優(yōu)選過程，由于對每個樣本都是取用各預測模型中的最優(yōu)者，因此能在現有預測水平下保證模型“總是最好”，同時具有清晰易懂，簡便易操作的優(yōu)點。作為變權重組合預測方法的一個特例，在組合預測領域有較高的實用價值。水資源系統(tǒng)評價問題的關鍵是評價模型的合理構造及其有效優(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針對農業(yè)灌溉用水水質綜合評價過程中存在的評價結果不相容性問題，提出基于數據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，其數學概念清晰，評價結果更精確合理。②基于線性屬性測度函數的傳統(tǒng)屬性識別模型對隨機抽樣的評價結果存在較大誤差，為此首次提出了基于非線性屬性測度函數的改進屬性識別模型。