基于混沌人工鱼群算法的水库发电优化调度研究

针对人工鱼群算法后期搜索盲目性较大，容易陷入局部最优值的缺点，结合混沌优化算法的遍历性优势，提出了适用于水库中长期发电优化调度的混沌人工鱼群算法。实例仿真结果表明该混合算法能有效应用于水库中长期发电优化调度中，具有收敛速度快和寻优质量高等特点，为该模型求解提供了一种新思路。     

分析抽水试验数据的单纯形差分进化混合算法

分别以无限含水层和有直线隔水边界含水层情况下的解析解为基础,应用提出的单纯形差分进化混合优化算法求解分析2种条件下的抽水试验数据,确定含水层参数的函数优化问题.将具有全局搜索能力强、原理简单、受控参数少、而局部搜索能力弱等特点的差分进化算法与具有局部搜索能力强、运算速度快、而对参数初值的选取依赖性较强和易于陷入局部极值等特点的单纯形优化算法进行结合,构成了一种混合优化算法,即单纯形差分混合优化算法.这种混合算法同时具有确定性运算和随机性搜索所具有的共同优点,能够较好地平衡全局搜索能力和局部搜索能力.数值实验结果表明,单纯形差分混合优化算法能够有效地应用于分析抽水试验数据,识别含水层参数;与其他方法相比较,其具有运算速度快、效率高和计算结果精度高等优点.     

确定含水层参数的混沌序列优化算

以泰斯公式为例，将混沌序列优化算法应用于求解分析抽水试验资料，确定含水层参数的函数优化问题．就混沌序列长度、粗搜索次数和待估导水系数初值取值范围等因素对算法收敛性的影响，进行了数值实验．结果表明：1）混沌序列优化算法可以有效地应用于求解含水层参数计算问题；2）粗搜索次数的多少和序列长度的大小对算法收敛性的影响不明显；3）待估导水系数的初始取值范围对算法的收敛速度有一定的影响，但不会影响最终计算结果．与其它方法相比较，混沌序列优化算法具有原理简单、易于编程和运算、计算结果精度不受人为因素影响和应用范围较宽等优点．     

基于模拟退火人工鱼群混合算法确定含水层参数

水文地质参数是地下水数值模拟中重要的参数,通过抽水试验进行水文地质参数的反演,用一个复杂的非线性优化问题来描述,由于传统方法如图解法等因人为因素造成计算结果精度低。利用鱼群算法良好的全局搜索能力和模拟退火较强的局部寻优能力相结合的混合算法反演含水层参数。实例证实,混合算法计算结果比传统方法计算结果更可靠、精度更高,反演的参数代入泰斯公式后计算降深值符合实际降深值,与人工鱼群算法相比,运行更短,计算效率更高,是一种求解出含水层参数的简单、有效的方法。     

基于混合策略粒子群算法的含水层参数确定

将混合策略粒子群优化算法用于分析无限延伸含水层和直线隔水边界含水层条件下的抽水试验数据,求解含水层参数,为预估含水层参数提供一种新的方法。这种混合算法是将紧凑度的思想融入到粒子群优化算法中,加强算法的局部搜索能力,结合调度系数的控制,提高算法寻优精度及收敛速度,再通过一定小概率的约束,提高全局搜索能力,构造混合策略粒子群优化算法。这种混合算法能够有效解决原算法收敛速度慢,精度差和易陷入局部极值的问题。实验结果表明,混合策略粒子群优化算法是可行的含水层参数估计方法,并且具有精度高,收敛性好,稳定性好等优点。     

混沌-模拟退火算法在确定河流水

将以混沌变量作为新状态产生器的模拟退火法应用于求解分析河流水团示踪试验数据，确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点，采取了在内循环中增加记忆功能等改进措施,得到了满意的参数优化计算结果。     

粒子群优化算法在确定含水层参数

以泰斯公式为例,将粒子群优化算法应用于求解分析抽水试验数据,确定含水层参数的函数优化问题．就粒子数目和待估导水系数初值范围等因素对算法收敛性的影响,进行了数值实验．结果表明：1）粒子群算法能够有效地应用于求解分析抽水试验数据,确定含水层参数计算问题;2）粒子数目的大小对运算时间和算法收敛性有一定的影响,在实际运算时,宜设置较大的粒子数;3）待估导水系数的选取初值大小对收敛速度有一定的影响,但不会影响最终计算结果．与其它方法相比较,粒子群优化算法具有原理简单、易于编程和实现等优点．     

基于蚁群算法的含水层参数识别方法

含水层参数的确定,是进行地下水资源科学管理的基础和关键。针对传统一些求参方法的缺点,提出了基于蚁群算法的含水层参数识别方法,并给出了实施该方法的具体步骤。以无界承压含水层井流模型为例,讨论了蚁群算法在含水层参数反演中的应用。实例分析结果表明,蚁群算法在确定含水层参数的优化问题中不仅可行,而且具有求解精度高和鲁棒性强等特点,显示了蚁群算法在水科学优化问题中的应用前景。     

基于邻域正交交叉算子的人工鱼群算法

将邻域正交交叉算子引入到基本人工鱼群算法中,提出了一种基于邻域正交交叉算子的人工鱼群算法.该算法采用动态调整人工鱼视野和步长的方法,较好地平衡了全局搜索能力和局部搜索能力.将人工鱼的邻域极值与该人工鱼进行正交交叉运算,产生少量的具有代表性的较优个体,而新产生的个体不仅利用了本身的有用信息,同时利用了邻域极值的最优信息,加快了算法的收敛速度.增强了算法的寻优能力.仿真结果表明,该算法具有较高的优化性能.     

基于PEM-ABC算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于预测误差法与人工蜂群算法(PEM-ABC)结合的辨识算法。该算法将系统辨识问题转化为优化问题,用PEM算法确定搜索空间的范围;雇佣蜂搜索阶段采用改进的自适应搜索策略加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。通过机载设备采集到的飞行实验数据,对辨识获得的模型进行了分析与验证。结果表明:采用该辨识方法,估计出了无人直升机动力学模型的未知参数,与PEM算法和传统人工蜂群算法相比,所提算法的辨识精度更高,具有重要的工程使用价值。