基于全局优化改进混沌粒子群遗传算法的物料平衡数据校正

结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了加入混沌扰动的混沌粒子群遗传算法(DCPSO-GA),并使用5个高维非线性测试函数考察全局优化混合算法的性能。DCPSO-GA解决了在寻优搜索时出现的停滞现象,扩大了全局优化的搜索空间,丰富了粒子的多样性,且不需要函数梯度信息。测试结果证明,针对本文的5个测试函数DCPSO-GA能找到全局最优解,其收敛速度很快,大大减少了计算量。而且,经过与其他相关算法比较可知,当总的目标函数调用次数较接近或更少时,改进算法不论在计算精度还是收敛速度上,均有很大的提高。并将DCPSO-GA算法应用到重油裂解参数估计和预测中,测试结果证明,其提高了参数估计和预测的准确性,降低了误差,能有效找到全局最优解,收敛速度快,大大减少计算量。

面向全局优化的混沌粒子群遗传算法

结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了混沌粒子群遗传算法(CPSO-GA),并使用五个高维非线性测试函数考察此算法的性能。在固定进化代数、所调用目标函数次数接近以及固定收敛精度三种情况下对算法进行数值试验,结果表明,与其他文献中提出的算法相比,CPSO-GA能100%地找到最优解,收敛效果及寻优能力好,并能有效摆脱局部极小点,且调用目标函数次数最少,大大降低了计算量。

城市化影响下区域水资源承载力评价

通过研究城市化下水资源承载力作用机理及特性,分析了城市化下水资源承载力的主要影响指标,构建了基于“量质域流”4个维度的区域水资源承载力评价指标体系及评价模型,并应用混沌粒子群遗传算法(CPSGA)进行模型求解。以江苏省南京市为应用实例,对2015—2018年南京市水资源承载力状况进行了评价,结果表明:构建的综合评价模型应用于城市化影响下区域水资源承载力评价较为合理,CPSGA算法能够高效地优化指标权重,降低了传统评价方法进行指标赋权时的主观性,使评价结果更为科学合理。