黄淮海地区湿地水生态过程水环境效应及生态安全调控.pptVIP

;环境问题

智能优化方法

CHHGA原理

CHHGA在水污染控制规划中的应用

CHHGA在污染源识别中的应用

CHHGA在洪水预报中的应用;一公里长的红色污染带;环境问题-建模-求解;二、智能优化方法;（1）遗传算法

（GeneticAlgorithm，简称GA）

（2）蚁群算法

(AntColonyAlgorithm,简称ACA）

（3）模拟退火算法

（SimulatedAnnealing，简称SA）

……;基本遗传算法(SGA)原理

遗传算法特点

遗传算法收敛性;遗传算法是由Michigan大学J.Holland教授于1975年首先提出的，它是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。

Goldberg总结出一种统一的基本遗传算法（SimpleGeneticAlgorithms，简称SGA），其遗传进化操作过程简单、容易理解，是其它一些遗传算法的雏形和基础。;基因型：1000010101;遗传算法模拟达尔文“适者生存，优胜劣汰”的自然进化和孟德尔自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利用遗传算子(选择、交叉和变异)对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛准则为止。;编码（初始种群）

适应度评价

遗传算子（选择、交叉、变异）

运行参数;求下列函数的最大值：;本例二进制编码长度取10位，编码过程实质上是将区间[0，255]内对应的实数值转化为一个二进制串。;SGA采用随机方法生成由若干个个体组成的初始种群。初始种群中个体的数量称为种群规模。;遗传算法对一个个体（解）的好坏用适应度函数值F来评价，适应度函数值越大，解的质量越好。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的标准，它的设计一般由目标函数来定。;选择操作的任务就是按某种方法从父代群体中选取一些个体，遗传到下一代群体。SGA中选择算子采用赌盘选择方法,个体i的适应度为Fi，则个体i被选中遗传到下一代群体的概率为：;所谓交叉运算，是指对两个相互配对的染色体依据交叉概率Pc按某种方式相互交换其部分基因，形成两个新的个体。;所谓变异运算，是指依据变异概率Pm将??体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。

SGA中变异算子采用基本位变异算子。;M：种群规模

L:编码长度

Pc：交叉概率

Pm：变异概率

T：遗传运算终止进化代数;SGA求解步骤;上例中，编码长度=10，种群大小＝10，交叉概率＝0.5，变异概率＝0.05。经过20代进化后，得到的最优解。由此可得，最优解x*=127.87390，最大值f（x*）=1.00000。;鲁棒性

全局收敛性

并行性;（3）遗传算法收敛性;几种编码遗传算法;————混沌模式搜索混合遗传算法

(ChaosHooke-JeevesHybrid

GeneticAlgorithm，简称，CHHGA)

CHHGA优化策略

CHHGA计算步骤

;μ=4，可任意设定(0,1)区间

的初值,但不能为0.25,0.5,0.75。;Step1:实数编码

Step2:混沌初始父代个体的生成

Step3:父代个体的适应能力评价

Step4：父代个体的选择

Step5：两点杂交

Step6：两点变异

Step7：模式搜索混合进化迭代

Step8：加速循环;SGA求解步骤;应用一

CHHGA在水污染控制规划中的应用;对下列城市污水汇水区四个排放点的入河有机污染物消减进行规划。选择一最佳城市污水治理方案，即满足河流水质规划目标，又使城市的污水治理总费用最少。;;目标函数;目标函数;约束条件;2025/12/2;运行参数与结果;运行参数与结果;应用二

CHHGA在污染源识别中的应用;;;CHHGA在水质模拟反问题中的应用;;应用三

CHHGA在洪水预报中的应用;洪水预报;洪水预报;

ParametersoftheXinanjiangmodelinTankoubasin;;运行参数;计算结果：CHHGA率定的参数;方法比较;1997年7月实测值与模拟值比较;1998年7月实测值与模拟值比较。;参考文献;思考题;Thanksforyourattention!