新安江模型参数优选的改善粒子群算法.pdfVIP

水 利 学 报 年 月 第 卷 第 期 文章编号 新安江模型参数优选的改进粒子群算法 江 燕 刘昌明 胡铁松 武夏宁 北京师范大学水科学研究院 北京 武汉大学资源与水电工程科学国家重点实验室 湖北武汉 中国水利水电建设集团公司 北京 摘要 借鉴竞争演化和多种群混合的思想 对粒子群算法 进行改进 建立并行种群混合进化的粒子群算法 和序列主 从种群混合进行的粒子群算法 数值模拟结果表明 这两种改进的粒子群算法 具有较高的计算效率 较强的自适应性和稳定性 将 和 应用于新安江模型的参数优选中 通 过与 和 的比较可以看出 和 不仅具有较好的全局优化性能和稳定性 而且在调用 目标函数次数相同的情况下精度较高是一种有效的新安江模型参数优选方法 关键词 参数优选 新安江模型 全局优化 粒子群算法 多种群混合进化 中图分类号 文献标识码 概念性流域水文模型广泛应用于洪水预报和水资源管理等众多领域 参数的优选是水文模型研究 和应用的一个重要方面 属于非线性优化问题 目前水文模型参数优选的方法中 比较有代表性的有 法 单纯形算法 遗传算法 粒子群算法 和 算法等 法 和单纯形法对模型结构 优化准则要求严格 受初始条件影响较大 通常只能得到局部最优解 尽管遗 传算法和粒子群算法是一种高度并行 随机和自适应的通用优化算法 但实际应用时往往出现 早熟 收 敛或收敛缓慢等缺点 而 方法 将生物自然演化过程引入到数值计算中 模拟了生物进化的过 程 具有较强的全局搜索能力 本文采用 算法的构造思想 对粒子群算法进行改进 建立了两 种新的全局优化算法 并行种群混合进化的粒子群算法 和主 从种群混合的粒子群算法 并通过数值模 拟和对具体流域的新安江模型参数优选的应用 将 与 进行了比较研 究 粒子群算法 粒子群优化算法 是由 和 于 年提出的一种 集群优化算法 它最早源于对鸟群觅食行为的研究 算法采用速度 位置搜索模型进行优化计算 每个 粒子代表解空间的一个候选解 解的优劣程度由适应度函数决定 而适应度函数根据优化目标定义 第 个粒子 表示在 维空间的位置 速度 决定第 个粒子在 搜索空间的位移 算法随机初始化一群粒子 然后通过迭代找到最优解 在每一次迭代中 粒子 通过跟踪两个 极值 来更新自己 一个是粒子本身所找到的最优解 即个体极值 收稿日期 作者简介 江燕 女 湖北咸宁人 博士 主要从事水资源系统规划与管理研究 另一个是整个种群目前找到的最好解 即全局极值 粒子在找到上述两个 极值后 根据以下公式来更新其速度和位置 式中 为当前迭代数 为算法群体的个数 为惯性系数 取值在 之间 是在 区间上服从均匀分布的随机数 被称为学习因子 通常取 式 由 部分组成 第 部分是粒子先前的速度 说明了粒子目前的状态 具有平衡全局和局部搜 索的能力 第 部