混合蜂群算法及其在混凝土坝动力材料参数反演中的应用

介绍了一种新颖的群集智能优化算法—人工蜂群算法（ABCA）,同时为提高算法的搜索效率,引入Nelder-Mead单纯形算法,提出了一种用于材料参数反演分析的混合单纯形人工蜂群算法。将所提出的算法用于混凝土重力坝动力材料参数识别,建立了基于不完全模态测试数据动力材料参数识别的优化反演模型。算例分析表明,混合算法融合了两种算法的优点,具有收敛速度快、识别精度高等特点,是一种高效的系统优化和参数识别方法。     

基于交叉全局人工蜂群算法的拱坝热学参数反演分析

拱坝施工期温度受到气温、冷却通水、表面保温等因素影响,热学参数实际值与室内试验测值之间存在较大误差。通过分布式光纤测温技术获取的温度数据和人工蜂群智能优化算法对混凝土热学参数进行识别,实时获取混凝土热学参数变化规律。对于在寻找函数最优值时传统的人工蜂群算法存在求解速度慢、容易陷入局部最优等问题,通过引入全局最优解,并与遗传算法中的交叉操作相结合建立了引入交叉算子的全局人工蜂群优化算法。考虑冷却水管多档通水和外界气温等因素,将改进的全局人工蜂群算法应用于白鹤滩拱坝热学参数反演,分析结果表明基于改进全局人工蜂群算法反演计算的混凝土温度与实测值吻合较好,改进全局人工蜂群算法在拱坝热学参数反演中具有较好的适应性。     

基于动力扩展有限元和人工蜂群算法检测钢筋混凝土结构内部缺陷

结合动力扩展有限元和人工蜂群算法,提出了一种新的缺陷识别模型用以检测钢筋混凝土结构内部缺陷。用扩展有限元结合水平集法描述结构内部缺陷以避免迭代计算中的网格重划分,采用钢筋混凝土组合单元模拟结构中钢筋的作用,采用广义反向策略、多维邻域搜索策略和动态全局引导策略以加快人工蜂群算法的反演效率。数值算例表明所建立的反演模型能够准确的识别结构内部缺陷的位置和大小。     

确定含水层参数的单纯形-混沌优化算法

以无限含水层和有直线隔水边界情况下的解析解为基础,将单纯形一混沌优化算法应用于分析抽水试验数据,求解含水层参数函数优化问题。针对混沌优化算法收敛速度较慢的缺点,文中将单纯形算法和混沌优化算法结合,构造了单纯形一混沌优化算法。数值实验结果表明：单纯形一混沌优化算法可有效地应用于求解含水层参数函数优化问题;待估参数初始取值范围对单纯形一混沌优化算法的收敛速度有一定的影响,但不会影响该算法最终的收敛性;与混沌优化算法相比较,单纯形一混沌优化算法具有收敛速度快和结果精度高的优点。     

利用单纯形2粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明：单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

利用单纯形-粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明:单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

利用单纯形-粒子群算法识别二维河流水质参数

将单纯形-粒子群混合算法应用于分析二维河流横向扩散情况下的水团示踪试验数据,估计河流的横向扩散系数、断面平均流速和污水排放位置。数值试验结果表明:(1)加速因子c_1,c_2和参数初值取值范围综合影响粒子的搜索能力,当加速因子c_1=c_2=1.72时,有利于保持粒子的搜索能力;(2)在同样的条件下,混合算法的时间性能指标值小于单一的粒子群优化算法;(3)参数初值的取值范围对混合算法收敛性几乎没有影响;(4)混合算法可以有效地应用于河流水质数学模型参数识别问题。混合算法能改善粒子群算法在迭代后期出现的收敛速度慢、早熟的不足,是分析河流水质模型参数的一种有效方法。     

利用GA-SA混合优化算法求解含水层参数

针对模拟退火算法串行优化能力差的问题,将具有并行搜索能力的遗传算法,用于引入到模拟退火算法中,并将两者结合组成遗传模拟退火算法,用于求解含水层参数反演的优化问题.遗传模拟退火算法充分发挥了遗传算法和模拟退火算法的优点,是一种优化能力更强、更高效、可靠性较高的优化方法.实际算例表明,遗传模拟退火算法用于含水层参数反演是可行的.     

采用加速遗传算法反演裂隙岩体渗流参数

利用水头实测资料，以裂隙组的渗透系数比例因子为待反演的参数向量，基于浮点编码的加速遗传算法，提出裂隙渗流参数的翰经反演模型，并通过典型坝基渗流算例进行验证，文中同时给出了传统单纯形算法在不同初始值条件下的反演成果。计算结果表明，本文方法可以在仅给出各参数取值范围的条件下，有效地求得非均质各向异性裂隙岩体渗流参数，且克服了传统优化搜索算法严惩依赖于初值，且当待反演参数数目较多时，寻优过程极易陷入局部最优值，甚至搜索不收敛等缺陷。     

基于单纯形-模拟退火算法的多阻尼控制器协调设计

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法。该方法以弱阻尼振荡模式构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合了模拟退火算法全局搜索能力强及单纯形算法局部收敛速度快的优点。四机典型系统上的特征根分析表明,该方法是一种有效的阻尼控制器优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性。     

人工蜂群算法在渠道断面优化设计中的应用

针对常规渠道断面优化设计中存在的试算工作量大、累积误差大、计算精度不高的问题,将鲁棒性强、收敛速度快且全局寻优性能优异的人工蜂群算法引入渠道断面优化设计中,通过建立包含水力要素与经济要素的多目标优化函数,采用人工蜂群算法在全局空间下搜索渠道断面优化问题的全局最优解。研究结果表明,该方法是可行的,具有高效快速、计算精度高和易于实现等优点。     

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。     

多策略人工蜂群算法在梯级水电站优化调度中的应用

梯级水电站优化调度问题的准确、快速求解,是水利学科领域需解决的基本问题。针对该问题,提出了一种新的多策略人工蜂群算法。为更好地平衡算法的全局搜索与局部搜索能力,新算法在两个具有代表性的解搜索策略基础上,对其融合构成新的搜索策略,同时保留了原有的两个解搜索策略。新算法的三个候选解搜索策略,增强了对各类优化问题求解的适应性。为验证新算法的适应性及可行性,不仅在经典的基准测试函数中对其进行测试,并且将其应用于梯级水电站优化调度问题。实验结果表明,新算法具有适应性强、收敛速度快等优点。     

基于和声搜索算法的地下水污染源与未知含水层参数的同步反演研究

地下水污染源反演问题和含水层参数反演问题都是典型的地下水逆问题。在未知含水层参数(渗透系数、弥散度等)等先决信息的情况下进行地下水污染源反演计算时,需要根据已有的监测数据(水位和浓度等)对地下水污染源和未知含水层参数进行同步反演。在同步反演优化问题中,决策变量包括污染源位置、强度以及待求的含水层参数。论文首先介绍同步反演模型的框架组成(包括污染物迁移模型和反演优化模型),然后在对已有的各种和声搜索改进算法进行研究的基础上结合同步反演模型提出一种改进的和声搜索算法,最后将同步反演模型和改进的和声搜索算法应用于具体的算例研究。研究表明,改进的和声搜索算法具有算法稳定高效、求解精度高等特点,能够广泛应用于复杂的地下水污染源和含水层参数反演问题。     

A Novel Multi-Objective Shuffled Complex Differential Evolution Algorithm with Application to Hydrological Model Parameter Optimization

Practice experience suggests that the traditional calibration of hydrological models with single objective cannot properly measure all of the behaviors of the hydrological system. To circumvent this problem, in recent years, a lot of studies have looked into calibration of hydrological models with multi-objective. In this paper, we propose a novel multi-objective evolution algorithm entitled multi-objective shuffled complex differential evolution (MOSCDE) algorithm, which is an extension of the famous single objective algorithm, shuffled complex evolution (SCE-UA) algorithm, to the multi-objective framework. This new proposed algorithm replaces the simplex search used in SCE-UA with the differential evolution (DE) algorithm and can more thoroughly utilize the information of the individuals in the evolutionary population and improve the search ability of the algorithm. Meanwhile, the Cauchy mutation (CM) operator is employed to prevent the algorithm from falling into the local optimal region of the feasible space. Moreover, two types of archive sets are employed to further improve the performance of the algorithm. The efficacy of the MOSCDE algorithm is first tested on five benchmark problems. After achieving satisfactory performance on the test problems, the MOSCDE is applied to multi-objective parameter optimization of a hydrological model for daily runoff forecasting. The results show that the MOSCDE algorithm can be a viable alternative for multi-objective parameter optimization of hydrological model.     

河流水质多参数识别反问题的演化算法

给出了利用演化计算方法求解河流水质多参数反问题的一种新方法。该方法把参数识别反问题转化为优化问题用演化方法求解。它的特点在于：从多个初始点开始寻优，并借助交叉和变异算子来获得水质参数的全局最优解。数据模拟结果表明，该方法具有很高的精度，收敛速度快，且编程简单，易于计算机实现，值得在实际工作中采用。     

正弦余弦算法-投影寻踪水污染物总量分配模型

基于水资源禀赋条件、效率原则和尊重现状的原则,构建水污染物总量分配指标体系和水污染物分配投影寻踪(PP)模型。针对PP模型最佳投影方向难以确定的不足,利用正弦余弦算法(SCA)搜寻PP模型最佳投影方向,构建SCA-PP模型对云南省文山州壮族苗族自治州8县(市)水污染物控制总量进行分配。并通过6个典型测试函数对SCA算法进行仿真验证,仿真结果与蚁群优化(ACO)算法、模拟退火算法(SA)、文化算法(CA)、布谷鸟搜索(CS)算法和人工蜂群(ABC)算法进行对比。结果表明:(1)SCA算法寻优效果明显优于ACO、SA、CA、CS和ABC算法,具有模型简单、调节参数少、收敛速度快、寻优精度高、全局寻优能力强以及收敛稳定性与收敛可靠性好等特点。(2)SCA-PP模型水污染物控制总量分配结果符合区域经济社会发展和水污物染削减客观要求。模型及方法具有一定的可操作性和有效性,可为水污染物分配提供新的途径和方法。     

基于狼群算法的水电站优化调度模型参数优选

以典型水电站优化调度模型为基础,先采用单因素分析法对狼群算法单参数的敏感性进行了分析评价,以算法寻优效果达到最优为目标,得出了参数的有效取值范围;再采用正交实验与极差分析方法,对狼群算法多参数的敏感性进行了综合分析,同理得出了参数变化的敏感性主次序和参数最佳取值组合。实例的验证结果表明,研究选取的参数取值范围和最佳取值组合有效地提升了算法的优化性能,为狼群算法应用于水电站优化调度提供了参数选择依据。     

Application Research of the Improved Overall Temporal and Spatial Economic Operation Model Based on Information Entropy in Large-Scale Hydropower Station

For the high dimensional and complex inner-plant economical operation problem of large hydropower station, an improved ant colony optimization with adaptive ability, inspiring ability and local search ability was proposed. Spatial optimal load distribution model and temporal unit commitment model was combined into an overall temporal and spatial economic operation model, in which an innovative ant colony model of multiple ant colonies, multiple outsets and multiple routes was adopted. Information entropy was applied to adjust the path selection strategy and pheromone updating strategy of ant colonies along with the change of its value during the iteration. Two inspiring factors were applied in the algorithm to guide the ant colonies to search for optimal paths in a more efficient and targeted way. Local search ability was guaranteed by local translation of unit start-stop points of the optimal solution in each iteration. In the optimal load distribution model, optimal distribution table was set in advance using dynamic programming, which only took account of the stable operation regions and avoided the cavitation and vibration areas for the security and stability of units. The proposed method is applied to the Three Gorges Hydroelectric plant. Compared with other methods under different water heads, this method shows optimized result under the premise of both calculation speed and stability.