引入和声策略的遗传算法在土坡非圆临界滑动面求解中的应用

借鉴和声搜索算法中产生新解的方式在基本遗传算法中产生新的子代，同时提出一种修复策略替换惩罚策略来修复搜索过程中可能出现的不可行解，以更有效的搜索解空间，从而形成和声遗传算法。利用该算法对两个土坡的最小安全系数及其临界滑动面进行搜索，并同采用基本遗传算法和基本和声算法的计算结果进行比较，证明了本文提出的两种策略是有效且合理的。     

基于改进和声搜索算法的给水管网经济指标优化设计

针对标准和声搜索算法存在收敛不稳定、易陷人局部最优的缺点,为提高搜索结果全局最优化的稳定性,增强算法的普适性和鲁棒性,本文展开基于改进和声搜索算法对供水管网优化设计模型进行求解的研究,通过对模拟供水管网系统分别采用基本和声搜索算法与改进和声搜索算法对模型进行求解发现改进和声搜索算法所得到的最优解的平均计算时间为6.1s,具有求解效率高效、收敛稳定性高以及投资额较小的特点,在最优方案下运行各管段均能满足于各种工况。因此,采用改进的和声搜索算法对于给水管网经济指标优化设计求解具有极大的应用前景。     

动态和声搜索算法在土坡稳定分析中的应用

为了改善基本和声搜索算法中参数不易确定的问题,通过设置一系列参数组合,根据每组参数组合的搜索表现,动态地选择并确定和声算法的参数,提出动态和声搜索算法,并将动态和声搜索算法应用于土坡稳定分析中,通过算例分析证明了动态和声搜索算法的有效性。     

和声退火算法及其在土坡稳定分析中的应用

借鉴和声搜索算法中新解产生的方式来实现模拟退火算法中的扰动过程,把和声库中的最坏解视为模拟退火算法的初始最优解,形成的和声退火算法具有较强的全局搜索能力;用修复策略替换惩罚策略,修复搜索过程中可能出现的不合理滑动面,可以更有效地搜索解空间。均质土坡和非均质边坡最小安全系数实例计算结果表明,和声退火算法取得了较基本和声搜索算法及模拟退火算法均好的结果,可以用于土坡稳定分析计算。     

基于和声搜索的边坡稳定性投影寻踪聚类分析

针对边坡稳定问题的高维非线性、非正态的特点,提出一种基于和声搜索和投影寻踪理论的边坡稳定性评价方法。利用投影寻踪理论将边坡稳定性评价多指标问题转化为单一投影指标问题,采用改进的和声搜索算法优化投影方向,根据最佳投影值实现在低维空间上的边坡稳定性评价。文中建立了基于和声搜索的边坡稳定投影寻踪聚类分析模型,并用作者编制的相关程序实证分析了某水库库区滑坡。实例分析结果表明:基于和声搜索的投影寻踪对于边坡稳定聚类分析是可行的,并且取得了较为理想的效果,为边坡稳定性分析评价提供了一种有效的新方法。     

基于模拟退火遗传算法的自压树状管网优化

将遗传算法全局优化和模拟退火的良好局部搜索能力有机结合,构造出一种退火遗传算法用于自压树状管网的优化设计方法。假定管网中每一管段最多只能由两种管径的管道组成,建立了以管网造价为目标函数,以管长、标准管径为决策变量的自压树状管网优化数学模型。采用基于不可行度的退火算法处理约束条件,应用遗传算法进行优化计算。仿真实例结果表明,该模型与算法在求解自压树状管网优化问题上,具有良好的优化性能和求解效率。     

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。本文对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）进行分析后,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。     

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。     

新型和声搜索算法在土坡稳定分析中的应用

首先提出了一种产生任意滑动面的策略,对可行的滑动面采用Spencer法计算其安全系数;其次改进了基本和声搜索算法的寻优思路,充分利用较优异的和声信息,在每一迭代步中产生多个新和声,然后重新选择优秀的个体进入和声库,构成迭代。该新型和声搜索算法应用于两个复杂土坡的稳定分析中,所得结果与文献中已有结果以及基本和声搜索算法的结果进行了比较,充分证明模拟任意滑动面的策略和改进和声搜索算法是高效的,可以用于复杂土坡稳定问题的分析。     

基于浮点数编码的遗传算法在给水管网平差计算中的应用

遗传算法是一种新型的进化算法 ,它模拟生物界进化过程 ,从全局空间出发搜索问题的最优解。介绍了基于浮点数编码遗传算法的基本原理和方法 ,并应用遗传算法进行管网平差计算 ,结果表明 ,遗传算法适用于管网平差这一工程领域     

Decomposition based Multi Objective Evolutionary Algorithms for Design of Large-Scale Water Distribution Networks

In last two decades, multiobjective evolutionary algorithms (MOEAs) have shown their merit for solving different optimization problems within the context of water resources and environmental engineering. MOEAs mainly use the concept of Pareto dominance for obtaining the trade-off solutions considering different criteria. A new alternative method for solving multiobjective problems is multiobjective evolutionary algorithm based on decomposition (MOEA/D) which uses scalarizing the objective functions. In this paper, decomposition strategies are developed for the large-scale water distribution network (WDN) design problems by integrating the concepts of harmony search (HS) and genetic algorithm (GA) within the MOEA/D framework. The proposed algorithms are then compared with two well-known non-dominance based MOEAs: NSGA2 and SPEA2 across four different WDN design problems. Experimental results show that MOEA/D outperform the Pareto dominance methods in terms of both non-domination and diversity criteria. MOEA/D-HS in particular could provide very high quality solutions with a uniform distribution along the Pareto front preserving the diversity and dominating the solutions of the other algorithms. It suggests that decomposition based multiobjective evolutionary algorithms are very promising in dealing with complicated large-scale WDN design problems.     

文化算法与投影寻踪融合模型在相似流域优选中的应用

研究文化算法(CA)与投影寻踪(PP)融合模型应用于相似流域优选中的可行性和有效性。以12个小河站控制流域优选为例,建立CA-PP相似流域优选模型,并构建差分进化(DE)算法-PP、和声搜索(HS)算法-PP和粒子群优化(PSO)算法-PP作为对比模型,将优选结果与随机分析法、集对分析法、模糊分析法、灰色分析法的优选结果进行比较。结果表明:CA寻优PP目标函数获得的最优值、最劣值、平均值和标准差均优于DE、HS和PSO算法,具有较好的全局极值寻优能力和收敛稳定性能。CAPP模型对相似流域的优选结果与DE-PP、HS-PP和PSO-PP模型,以及随机分析法、集对分析法、模糊分析法、灰色分析法的优选结果相同,但在优选顺序上存在差异。CA-PP模型用于相似流域优选是可行和有效的,可为同类优选提供新的途径和方法。     

Deriving Hedging Rules of Multi-Reservoir System by Online Evolving Neural Networks

This paper presents an online optimization scheme for combined use of Artificial Neural Networks (ANN), hedging policies and harmony search algorithm (HS) in developing optimum operating policies for Tehran water resources system. Past efforts in this area are concentrated on using an offline approach. In that approach, an optimization method is first used to derive a long-term set of optimum reservoir releases. These releases are then used as the target vector for training the ANN model. The online method simultaneously uses the optimization and ANN methods and can adopt objective functions other than minimizing the error indices. Therefore, it requires methods other than the backpropagation for training the ANN model. Hence, under the proposed online approach the application of a heuristic method, such as HS, is inevitable for training the network. This is accomplished by using an optimization-simulation procedure where different objective functions and system constraints could be easily handled. The proposed approach is a novel and efficient method for finding the parameters of hedging policies where earlier methods suffered from high computational costs and the curse of dimensionality. The results show the superiority of the proposed online scheme. Moreover, a surrogate model for the hedging policy is presented, which by adhering to the principle of parsimony is more efficient in large scale systems involving many decision variables.     

基于改进PSO-PP模型的区域水资源利用效率评价

针对基本粒子群算法(PSO)早熟收敛、易陷入局部极值以及投影寻踪(PP)模型最佳投影方向难以选取的不足,利用改进的PSO(IPSO)算法优化PP模型最佳投影方向,提出了IPSO-PP水资源利用效率评价模型。从"三生"用水指标中选取15个指标构建区域水资源利用效率评价指标体系,以云南省16个州市水资源利用效率评价为例进行实例研究,并构建PSO-PP模型、差分进化(DE)算法-PP模型及和声搜索(HS)算法-PP模型作对比分析模型。结果表明,IPSO算法优化PP模型获得的适应度值和最佳投影方向均优于PSO、DE和HS算法,具有较好的求解精度和全局极值能力。IPSO-PP模型对实例的评价排序结果与DEPP模型相同,与HS-PP模型评价排序结果略有差异,与PSO-PP模型评价排序结果差异较大,表明智能算法寻优能力的强弱决定了评价精度的高低。模型及实例验证结果可为PP模型优化及其他水资源系统类综合评价提供参考和借鉴。     

基于二进制和声粒子群算法的电站经济运行问题研究

机组组合是电站经济运行问题中典型的复杂非线性优化问题,其求解难度随系统规模增大呈非线性增长,如何对其进行高效求解一直是电力系统研究领域的热点和难点问题。为此,提出一种适用于电站经济运行中机组组合问题的二进制和声粒子群算法(BHSPSO):首先将粒子群算法的信息共享机制纳入到和声搜索算法的和声记忆库考虑操作中,并利用全局极值实现音调微调;然后采用启发式智能调整策略处理时段关联型约束条件,即根据机组优先顺序修复旋转备用约束,在此基础上,设计了一种“开-停-开”的修复策略处理最小开停机时间约束,有效改善了优化计算结果质量。将该方法分别应用于电站10台机组(简称10机)至电站100台机组(简称100机)系统标准算例,仿真结果表明:所提算法具有简单高效、收敛速度快、鲁棒性强等优点,为水、火电机组组合优化运行问题的高效求解提供一种新的途径。     

一种新型遗传算法及其在土坡任意滑动面确定中的应用

提出了一种便于工程应用的改进模拟任意滑动面策略。针对简单遗传算法容易陷入局部最优值的缺陷，借鉴和声算法产生新解的方式来产生遗传算法中的子代个体。该策略能综合利用整个父体的信息来构建子代。将该方法用于求解两个复杂土坡的最小安全系数，所得结果与已有文献结果比较证明，新型遗传算法能搜索到更小的安全系数，可应用于土坡稳定分析。