蚁群算法在水科学中的应用研究进展

蚁群算法是优化领域中相对较新的一种随机启发式搜索算法,通过模拟蚂蚁的觅食行为来解决复杂组合优化问题,是迄今为止昆虫算法中较为成功的例子。主要介绍了蚁群算法的生物原理及其算法的基本模型,对近些年来蚁群算法在水土资源新领域中的多种应用研究进行了分析与归纳,并指出了存在的问题及其研究展望。     

混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。     

蚁群算法在工程项目工期—费用优化问题中的应用

论述了工期—费用优化问题的原理,分析了传统优化方法的优缺点。针对工期-费用这一连续空间优化问题,综合了基于网格划分策略的连续域蚁群算法和求解旅行商问题的基本蚁群算法的思想,构造了一种改进的蚁群算法。实例计算结果表明,该方法在求解工期费用优化问题方面是有效的。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题，难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术，但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式；详细分析了传统蚁群算法的未成熟收敛现象及其原因；提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解，能很好地协调局部搜索与全局搜索，在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明，该方法具有很高的计算效率和良好的全局收敛性。     

蚁群算法在泄水建筑物下游收缩断面水深计算中的应用

蚁群算法是一种模拟进化算法,初步研究表明该算法具有许多优良性质。针对溢流坝下游收缩断面水深计算中存在计算繁琐,精度不高等问题,应用连续性空间优化问题的蚁群算法模型来求解溢流坝下游收缩断面水深,并将该方法与遗传算法及传统的计算方法进行比较。结果表明,蚁群算法具有直观、简便、快速、实用性强等优点,是一种较为优秀的全局优化方法。     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题，其实质为安全系数最小的滑动路径的搜索问题，采用路径搜索算法蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点，通过引入奖惩策略，加快较优路径和普通路径上信息素的差异，分化各条路径上的信息素，从而提出了一种奖惩蚁群算法。通过把边坡滑动面搜索问题的离散模型化，采用奖惩蚁群算法解决滑动面搜索问题，提出了一种临界滑动面搜索的新方法。通过一个简单边坡和复杂边坡的典型算例计算及一个大坝边坡的工程的应用实例应用，验证了新滑动面搜索算法的有效性及其高效性。结果表明，无论是对简单边坡还是复杂边坡，本文算法都可以能以更快的速度搜索得到效果更好的临界滑动面，且工程应用效果良好。     

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象，设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面：一是提出了采用倒指数曲线来描述的扰动因子；二是设计出了相应的随机选择策略和扰动策略。此外，还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题，并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算，并与基本蚁群算法进行比较，证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，具有更好的全局优化能力。     

蚁群算法在水文频率曲线参数计算中的应用

通过对标准蚁群算法进行修改,提出了一种可以应用于水文频率参数计算的基于网格划分策略的蚁群算法,并以渭河流域4个水文测站的年径流量数据为例,按照OLS准则对皮尔逊Ⅲ型分布参数进行了优化计算.结果表明,蚁群算法参数的估计精度及实际适线效果均优于其他几种常规方法,是一种可行的水文频率分析方法.     

水库优化调度混沌蚁群算法数学模型实例研究

本文在分析研究混沌优化和蚁群算法的基础上,将两种算法的思想组合优化,研究建立了混沌蚁群算法水库优化调度数学模型,并结合混沌优化和蚁群算法求解了该模型,完成了水库的优化调度计算。     

改进的蚁群算法在溶质运移参数识别问题中的应用

非饱和土壤水分和溶质运移参数(扩散率、导水率和水动力弥散系数)取值范围较大,往往跨越几个数量级。采用传统离散化蚁群算法求解此类问题,所需节点较多,这会造成算法收敛时间较长。该文在传统蚁群算法基础上,对蚂蚁搜索路径进行改进,改进后的蚁群算法寻优路径由参数精度位数(整数位和小数位)、参数个数以及0–9十个数字构成,并将路径解码公式修改为具有判别参数正负功能的解码公式。采用改进的连续蚁群算法对非饱和溶质运移参数识别优化模型进行求解。数值模拟表明相同迭代次数下改进的蚁群算法比传统蚁群算法耗时少,算法计算时间与迭代次数满足线性关系,含水率和溶质浓度实测值与计算值吻合较好、相关性较高。     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

蚁群算法在拱坝结构可靠度分析中的应用

根据Hasofer-Lind的定义,将复杂的拱坝可靠性指标计算问题转化为数学上的优化问题,针对拱坝功能函数的复杂非线性和隐性的特点,提出基于蚁群算法的拱坝可靠度计算新方法,该方法避免了计算功能函数求导问题,不易陷入局部最优。以沙牌碾压混凝土拱坝的结构可靠度分析为例,得出了该坝坝体及诱导逢可靠性指标的分布规律,与文献[2]试验成果吻合。     

改进蚁群算法及其在水利工程项目管理中的应用

为了更加有效解决水利工程项目管理中的多目标决策问题,提出了一种改进蚁群算法。该算法首先利用遗传算法的全局搜索能力将信息素初始化,然后在算法进行遍历过程中引入变异操作和交叉操作,提高算法的鲁棒性和有效性。水利工程项目多目标优化案例分析表明,较传统遗传算法和蚁群算法,本文提出的方法对于解的寻找速度更快,解的质量更高,该算法具有较高的全局寻优能力。该研究为水利工程项目管理多目标决策问题的解决提供了一种新的思路和方法。     

改进蚁群算法优化PID控制在水力发电机组中的应用研究

水力发电机组是一个非线性、时变系统,常规PID控制不能达到理想的控制效果。提出一种基于改进蚊群算法的PID参数优化方法,讨论了蚁群算法的模型,水力发电机组的模型,对蚁群算法的不足进行改进,并给出了算法的具体实现步骤。实验结果表明,采用改进蚁群算法PID控制器的水电机组具有更好的控制精度和动态特性,验证了该方法的可靠性和有效性。