ikhonov总则参数的计算.docxVIP

ikhonov总则参数的计算 项目中经常出现反问题，如反演结构参数、负荷识别、损坏识别和其他[1.6]。由于反问题的不适定性,其求解非常困难。迄今为止,已提出了多种求解不适定问题的方法,而Tikhonov正则化方法是其中最有效和应用最为广泛的一种。 用Tikhonov正则化方法求解不适定问题时,正则参数的选择极为重要,决定了Tikhonov正则解是否为最优。正则参数的选择一般采用后验的策略方法,测量误差水平已知时,可以用牛顿法求解Morozov偏差方程得到。但在实际应用中,测量误差水平往往是未知的,因而这种方法不能应用,只能用迭代的方法进行求解[3―7]。然而,迭代解与初始值有关,初始值的选择不同可能对应不同的解答,这就很难保证迭代解是全局最优的Tikhonov正则解。 遗传算法是近年由Holland教授提出的基于自然遗传和自然选择机理的一种寻优方法。其特点是只需计算各可行解的目标值而不要求目标函数的连续性,不需要梯度信息,具有很强的鲁棒性。对问题的复杂程度具有很强的适应性,只需定义搜索区间,而不是定义初值。对所定义的搜索区间,不是采用某一个单一数值,而是一组取值,并对它们进行各种遗传算子操作,避免了局部收敛,从而实现所求解的全局最优性。本文基于遗传算法,结合Tikhonov正则化原理,在全域内寻求最优的正则参数和正则化解。 1 真实解的典型 考虑如下的不适定性算子方程: 其中: