一种基于对流-弥散理论的优化方法技术

本申请提供了一种基于对流

【技术实现步骤摘要】
一种基于对流
‑
弥散理论的优化方法


[0001]本申请涉及工程技术优化领域，特别是涉及一种对流弥散优化方法。

技术介绍

[0002]针对工程
中复杂的优化问题,众多学者选择从自然界的现实模 型中寻求解决方法,由此开启了自然启发式计算的研究。这些算法在适应性、 自学习能力、鲁棒性及高效性等方面都有较好的表现。1993年,Dario等研 究了移动机器人系统,并提出了集群智能的概念,指出简单的有序系统即可产 生非平凡的智能行为,即由简单的个体组成的群体所产生的集体智慧。集群智 能发挥了集群的所有优势,自组织、无中心控制、高鲁棒性、灵活且低消耗, 面对大规模的复杂问题时仍能给出最优解。最早的集群智能算法包括如蚁群 优化算法和粒子群优化算法等都受到了广泛的关注和应用,在很多领域都大 获成功,如经典的旅行商问题等。然而面对同一个问题,不同的集群智能算法 却表现千差万别,问题的建模方法与算法求解效率关系；算法搜索的精度和广 度的平衡等研究仍极具挑战性。
[0003]集群智能算法目前面临如下问题：一是缺乏一个适用于所有算法的收敛 性分析框架,如粒子群优化或蚁群优化算法的收敛性分析方法,但是却很难将 之推广到其他算法上。二是针对特定问题,算法的参数选择如种群大小、学习 率等仍然只能依靠经验与实验测试,而没有确定性的理论指导。三是针对特殊 复杂问题,目前的算法存在算法精度低、运行时间效率低等问题,例如蚁群算 法在求解离散TSP问题时,具有优越的收敛性,然而对应非线性多参数连续阈 优化问题,其收敛性和精度就较差。因此研究具有可推广的集群智能算法是目 前人工智能研究的难点和热点。
[0004]针对上述群智能算法存在的算法精度低、运行时间效率低问题,本专利技术基 于土壤水盐运移数学理论,提出了一种对流
‑
弥散优化算法(Convection
‑
Dispersion Equation Optimization Algorithm,CDEOA)算 法,CDEOA将盐离子在土壤中的运移扩散过程抽象为一种寻找优机制而提 出的一种人工智能算法。

技术实现思路

[0005]本申请实施例提供一种对流弥散优化方法,采用动态土水势权重、动态机 械弥散系数以及动态分子扩散系数搜索机制,算法具有收敛快、精度高的特征。 所述方法包括：
[0006]初始化质点群体以及所述质点群体中每个质点的水动力弥散系数、土水 势以及位置,并对所述质点群体中每个质点的适应度值进行计算；
[0007]针对个体质点,利用所述质点的适应度值与个体极值对应的适应度值进 行比较,当所述质点的适应度值小于所述质点的个体极值对应的适应度值时, 将所述质点的位置作为当前所述质点的个体极值；
[0008]针对群体质点,利用所述群体质点的适应度值与全局极值对应的适应度 值进行比较,当所述群体质点的适应度值小于所述全局极值对应的适应度值 时,将所述质点的位置作为当前所述全局极值；
[0009]根据所述质点的个体极值与所述全局极值,对所述质点的水动力弥散系 数、土水势以及位置进行更新；
[0010]在当前次迭代,对所述质点群体中每个位置的质点进行自适应变异,然后 返回适应度值比较步骤；
[0011]在触发结束条件之前,返回利用所述质点的适应度值与所述质点的个体 极值进行比较的步骤,其中,所述结束条件为所述质点群体中的每个质点的位 置与目标位置的误差小于预设阈值,或完成预设次数的迭代。
[0012]可选地,初始化所述质点群体中每个质点的土水势、水动力弥散系数以及 质点位置,并对所述质点群体中每个质点的适应度值进行计算包括：
[0013]按照(1)式对所述土水势进行初始化；
[0014]ψ0(i)＝Rand*(ψ
su
(i)
‑
ψ
sl
(i))+ψ
sl
(i)i＝1
…
m
ꢀꢀ
(1)；
[0015]按照(2)式对所述水动力弥散系数进行初始化；
[0016]D
lh0
(i)＝ωψ0(i)+Rand*D
h0
(i)+Rand*D
m0
(i) i＝1
…
m
ꢀꢀ
(2)
[0017]按照(3)式对所述质点位置进行初始化；
[0018]x(i)＝Rand*(U
b
(i)
‑
L
b
(i))*Rand+L
b
(i) i＝1
…
m
ꢀꢀ
(3)；
[0019]上述公式(1)～(3),Rand为[0,1]区间的随机数；m为所述盐离子质点数 量；ψ0为所述质点土水势初始值；ψ
smin
为所述质点土水势最小值；ψ
smax
为所述 质点土水势最大值；D
lh0
为所述质点水动力弥散系数初始值；ω为所述土水势 权重系数；D
h0
为所述质点机械弥散初始值；D
m0
为所述质点分子扩散初始值。
[0020]可选地,根据公式(1)计算土水势(质点运动驱动力机制)、根据公式(2)和(3) 计算水动力弥散系数(全局搜索机制和局部搜索机制)；
[0021]所述算法在搜索过程中,记录全局最优位置和个体最优位置,得到全局适 应度最小值以及个体适应度最小值；
[0022]将每个个体质点搜索到的个体最优位置作为所述个体质点极值,将所述 群体质点搜索到的全局最优位置作为所述群体质点全局极值；
[0023]质点运动驱动力机制：质点群体在土水势的作用下,根据公式(4)质点在 搜索空间进行搜索：
[0024]ψ
s
＝ψ
m
+ψ
p
+ψ
g
+ψ
o
ꢀꢀ
(4)
[0025]上式中,ψ
s
为总的土水势；Ψ
m
为基质势,Ψ
p
为压力势,ψ
g
为重力势,ψ
o
为渗 透势；为了减少算法参数,以ψ
s
代替整体土水势,ψ
s
质点在搜索空间中运动越 快,反之质点在搜索空间中运动越慢；
[0026]全局搜索机制,质点根据(5)式进行全局搜索,并根据公式(6)记录全局最 优位置信息；
[0027]D
h
＝λv
μ
ꢀꢀ
(5)；
[0028]D
h
＝λv
μ
(g.best
‑
x
i
)
ꢀꢀ
(6)；
[0029]其中,D
h
为机械弥散系数,λ为机械弥散度,v为平均孔隙流速,μ为机械弥散 指数,g本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对流弥散优化方法，其特征在于，所述方法包括：初始化质点群体以及所述质点群体中每个质点的水动力弥散系数、土水势以及位置，并对所述质点群体中每个质点的适应度值进行计算；针对个体质点，利用所述质点的适应度值与个体极值对应的适应度值进行比较，当所述质点的适应度值小于所述质点的个体极值对应的适应度值时，将所述质点的位置作为当前所述质点的个体极值；针对群体质点，利用所述群体质点的适应度值与全局极值对应的适应度值进行比较，当所述群体质点的适应度值小于所述全局极值对应的适应度值时，将所述质点的位置作为当前所述全局极值；根据所述质点的个体极值与所述全局极值，对所述质点的水动力弥散系数、土水势以及位置进行更新；在当前次迭代，对所述质点群体中每个位置的质点进行自适应变异，然后返回适应度值比较步骤；在触发结束条件之前，返回利用所述质点的适应度值与所述质点的个体极值进行比较的步骤，其中，所述结束条件为所述质点群体中的每个质点的位置与目标位置的误差小于预设阈值，或完成预设次数的迭代。2.根据权利要求1所述的方法，其特征在于，初始化所述质点群体中每个质点的土水势、水动力弥散系数以及质点位置，并对所述质点群体中每个质点的适应度值进行计算包括：按照(1)式对所述土水势进行初始化；ψ0(i)＝Rand*(ψ
su
(i)
‑
ψ
sl
(i))+ψ
sl
(i)i＝1
…
m
ꢀꢀꢀ
(1)；按照(2)式对所述水动力弥散系数进行初始化；D
lh0
(i)＝ωψ0(i)+Rand*D
h0
(i)+Rand*D
m0
(i) i＝1
…
m
ꢀꢀ
(2)按照(3)式对所述质点位置进行初始化；x(i)＝Rand*(U
b
(i)
‑
L
b
(i))*Rand+L
b
(i) i＝1
…
m
ꢀꢀ
(3)；上述公式(1)～(3)，Rand为[0，1]区间的随机数；m为所述盐离子质点数量；ψ0为所述质点土水势初始值；ψ
smin
为所述质点土水势最小值；ψ
smax
为所述质点土水势最大值；D
lh0
为所述质点水动力弥散系数初始值；ω为所述土水势权重系数；D
h0
为所述质点机械弥散初始值；D
m0
为所述质点分子扩散初始值。3.根据权利要求2所述的方法，其特征在于，包括：根据公式(1)计算土水势(质点运动驱动力机制)、根据公式(2)和(3)计算水动力弥散系数(全局搜索机制和局部搜索机制)；所述算法在搜索过程中，记录全局最优位置和个体最优位置，得到全局适应度最小值以及个体适应度最小值；将每个个体质点搜索到的个体最优位置作为所述个体质点极值，将所述群体质点搜索到的全局最优位置作为所述群体质点全局极值；质点运动驱动力机制：质点群体在土水势的作用下，根据公式(4)质点在搜索空间进行搜索：ψ
s
＝ψ
m
+ψ
p
+ψ
g
+ψ
o
ꢀꢀꢀ
(4)上式中，ψ
s
为总的土水势；ψ
m
为基质势，ψ
p
为压力势，ψ
g
为重力势，ψ
o
为渗透势；为了减少
算法参数，以ψ
s
代替整体土水势，ψ
s
质点在搜索空间中运动越快，反之质点在搜索空间中运动越慢；全局搜索机制，质点根据(5)式进行全局搜索，并根据公式(6)记录全局最优位置信息；D
h
＝λν
μ
ꢀꢀꢀꢀ
(5)；D
h
＝λv
μ
(g.best
‑
x
i
)
ꢀꢀꢀꢀ
(6)；其中，D
h
为机械弥散系数，λ为机械弥散度，v为平均孔隙流速，μ为机械弥散指数，g.best为全局极值；x
i
为第个i质点位置；分子扩散
‑
局部搜索机制，质点根据(7)式进行局部搜索，并根据公式(8)记录局部最优位置信息；D
m
＝D
w
e
βθ
ꢀꢀꢀꢀ
(7)；D
m
＝D
w
αe
βθ
(p.b...

【专利技术属性】
技术研发人员：任长江，
申请(专利权)人：任长江，
类型：发明
国别省市：