- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于NSGA-Ⅱ的水文模型参数多目标优化研究.pdf
第43卷第2期 人 民 长 江 V01.43,No.2
201 2年1月 River Jan.,2012
Yangtze
文章编号:1001—4179(2012)02—0016一06
黄晓敏1,雷晓辉2,王宇晖1,蒋云钟2
2.中国水利水电科学研究院流域水循环模拟与
(1.东华大学环境科学与工程学院,上海201620;
调控国家重点实验室,北京100038)
摘要:为了对水文模型中难以直接测算的参数进行调试和优化,将带精英策略的非支配排序遗传算法(NSGA
一Ⅱ)应用于水文模型(HYMOD)参数多目标优化计算中,得到最优解Pareto集合。通过多目标距离函数法
从Pareto集中求出一组协调集。采用非支配解集覆盖度和非支配解的空间分布两个性能度量指标,对NSGA
一Ⅱ算法与多目标粒子群算法(MOPSO)的优化结果进行比较分析。结果表明,NSGA一Ⅱ优化得到的非支配
集比MOPSO算法得到的支配比例高;但前者的非支配解的空间分布较MOPSO算法相对均匀。
关键词:水文模型;多目标参数优化;遗传算法;非支配排序
中图法分类号:P334.92 文献标志码:A
自然过程中的降雨一径流过程被广泛简化和概化 z={戈l,戈2,…,并。}1
为多种水文模型¨。。然而水文模型中常常含有一些
其中,戈∈S={髫I
难以直接测算,只能通过试错法或者自动优化过程调 gi(省)≤0,I『=1,2,…,P}
试的参数。传统校准法是采用人工方法对参数进行调
整,存在花费大、时间长、正确率依靠经验等缺点。借 条件;S为可行解域。若目标函数中有两个变量u和秽,
助计算机功能强大和速度快的优势,采用自动优化法 如果任意i
进行模型校准工作时,具有相对客观并且容易操作的
优点,因而得到了广泛的应用心1。现在多种算法被应 z’∈S,并且不受其他解支配,那么戈’被称为多目标的
用于水文模型参数优化中,例如,非支配排序遗传算法 非支配最优解。非支配解集中的各个解之间是互不支
配的。对于多目标问题以戈),非劣解集中的解可表示
(NSGA)[31,多目标粒子群算法(MOPSO)H。,以解决
为SO,且p:SO={戈∈S
水文模型中同时涉及相互冲突、相互竞争的多个目标 l、∈戈’∈S,/(石’)≤
的优化问题。 以戈)}¨。。
本文对NSGA—II进行简要介绍,以汉江向家坪
2 NSGA—II算法
水文站上游流域为例,并将其应用于HYMOD参数多
目标优化计算中,并与MOPSO算法的计算结果进行
了比较分析。
行进化、快速非支配法对个体排序、拥挤距离法保持种
1 多目标优化问题
群的多样性程度。该算法的大致过程为:首先初始化
多目标优化问题(MOP)就是寻找一组可以使目种群,对每个个体进行非支配排序,将具有相同排序
标函数取得最大或最小值的参数。一般MOP的数学 号i的个体存入集合Fi。集合F。中的个体为种群中完
描述为: 全不被支配的解,集合F:中的个体受集合F。中的个
收稿日期:201l—10—08
第2期
文档评论(0)