改进遗传算法的CSAMT一维反演

传统的可控源音频大地电磁法(CSAMT)反演方法属于线性或者局部线性,大都依赖初始模型.而遗传算法因其不依赖初始模型的特点而应用到CSAMT反演中.但是,标准的遗传算法存在早熟、局部收敛等问题.针对这些问题,对标准的遗传算法进行改进,采用排序法和最优保留策略相结合的选择算子,增强其种群多样性并保证其收敛性;采用父子竞争策略和自适应概率法相结合的交叉算子,能够防止好的父代个体被淘汰,又具有适应性.通过理论模型进行算法仿真验证,证明其有效性,说明改进遗传算法较标准遗传算法在CSAMT一维反演中有明显的改善.通过对实测数据进行反演,其结果与地质资料吻合,证明了其适应性.     

MT资料反演的一种实数编码混合遗传算法

设计了一种求解一维大地电磁测深反演问题的实数编码混合遗传算法,它是通过单纯形搜索与遗传算法结合而成。针对传统的遗传算法在优化应用中存在局部搜索能力弱、计算量大、对较大空间适应能力弱和早熟收敛,而基于局部线性化的单纯形法易使解陷入局部极小值,严重依赖初始模型的选择等问题,在遗传算法中加入一个改进的单纯形搜索算子,并采用最优群体保留策略。该新算法既具有遗传算法的全局收敛性,又具有单纯形法的快速收敛性。对各种类型的大地电磁测深理论曲线进行计算,结果表明:采用实数编码混合遗传算法进行反演具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释。     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

叠前弹性波反演非线性优化方法

针对传统遗传算法自身存在的早熟收敛、搜索空间小以及计算效率低的问题,在保证算法收敛和最大限度地搜索模型空间的基础上,对遗传算子采取相应策略进行了改进,并通过界约束以增加解的稳定性.为了提高计算效率,采用粗粒度并行遗传算法,将并行计算机的高速并行性和遗传算法固有的并行性相结合,进行多种群并行搜索.选择合适的迁移拓扑结构和迁移策略,构建了并行模型,并给出了改进后并行遗传算法的设计流程图及详细算法描述.采用该算法进行了叠前弹性波反演的实际计算,取得了良好的效果.     

可控源音频大地电磁法(CSAMT)一维全区Levenberg-Marquardt反演方法

将Levenberg-Marquardt这一全新反演方法引入可控源音频大地电磁法(CSAMT)勘探的全区数据反演,提高了CSAMT勘探的深度,避免了测深数据的浪费。Levenberg-Marquardt反演的核心是引入变阻尼的思想,在反演的过程中根据向量各个分量的收敛速度的不同,给定不同的阻尼因子,实现反演的自适应化,这样就大大增加了整个反演的收敛速度和反演精度。反演中采用改进的Bostick变换作为初始模型,减少了反演的迭代次数。     

井间层析成像的平滑SIRT算法

井间层析成像是一个非线性反演问题 ,为了保证反演过程的稳定性 ,并提高迭代的收敛速度 ,对常规的SIRT算法进行了改进 ,即引入了平滑算子对梯度场进行动态平滑 ,并且通过线性搜索确定速度更新的步长。将这种改进的算法称为平滑SIRT算法。模型试算的结果证明 ,该方法提高了迭代的收敛速度 ,而且反演结果不受初始模型的影响 ,使反演过程的稳定性大大提高     

基于改进遗传算法的光伏板清洁分级任务规划

针对利用移动清洁机器人对大面积光伏电站光伏板清洁作业时的任务规划问题,提出分区规划策略.根据风口、光照时长等环境因素对光伏电站采用基于清洁优先级的分级任务规划,利用Hamilton图将太阳能光伏板清洁问题转化为巡回旅行商问题(TSP).针对遗传算法效率低、容易过早收敛的缺点,提出锦标赛选择法与轮盘赌选择法相结合的混合选择算子和基于分段规则的交叉算子的改进遗传算法.采用改进遗传算法规划机器人清洁光伏电站的清洁顺序.实验结果表明,相比于自适应遗传算法,改进遗传算法的求解效率更高、结果更好.     

井间层析成像的平滑SIRT算法

井间层析成像是一个非线性反演问题,为了保证反演过程的稳定性,并提高迭代的收敛速度,对常规的SIRT算法进行了改进,即引入了平滑算子对梯度场进行动态平滑,并且通过线性搜索确定速度更新的步长。将这种改进的算法称为平滑SIRT算法。模型试算的结果证明,该方法提高了迭代的收敛速度,而且反演结果不受初始模型的影响,使反演过程的稳定性大大提高。     

CSAMT一维全区Levenberg-Marquardt反演方法

本文将Levenberg-Marquardt这一全新反演方法引入CSAMT勘探的全区数据反演,提高了CSAMT勘探的深度,避免了测深数据的浪费。Levenberg-Marquardt反演的核心是引入变阻尼的思想,在反演的过程中根据向量各个分量的收敛速度的不同,给定不同的阻尼因子,实现反演的自适应化,这样就大大增加了整个反演的收敛速度和反演精度。反演中采用改进的Bostick变换作为初始模型,减少了反演的迭代次数。     

改进的免疫遗传算法在优化问题中的应用

基于生物免疫系统原理,对人工免疫系统进行研究,提出了改进的免疫遗传算法.该算法的选择算子采用基于浓度和适应度的自适应式选择策略;引入免疫算子,抑制其优化过程中出现的退化现象.将改进的免疫遗传算法应用于TSP组合优化问题,仿真结果表明了该算法的有效性.     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

基于改进遗传算法的模糊聚类研究及应用

模糊C-均值聚类算法是一种局部搜索算法,采用迭代的爬山技术,对初值敏感易陷入局部最小值。遗传算法是一种全局优化算法,能够克服模糊C-均值聚类算法陷入局部最小值的问题,但遗传算法收敛速度慢,易早熟。应用小生境思想对遗传算法进行了改进,以保护种群中基因的多样性,设计了基于最短距离的算术交叉算子、边界变异算子及双精英种子参与进化的策略。仿真实验结果表明,改进后的算法能够提高模糊聚类的收敛速度和聚类质量。     

基于改进遗传算法的RTM注射速率优化

针对目前遗传算法初始种群大多数为随机产生,注射速率优化过程容易早熟或不收敛问题,提出了基于注射速率规则的改进遗传算法。在大量注射速率历史数据基础上,建立了注射速率影响因素决策表,提出了规则相似度计算模型。由基于规则的种群生成算子生成初始种群,以填充质量最优为目标,并构造适应度函数,然后进行遗传操作,最后采用面向对象编程语言实现该算法。实例表明该算法比标准遗传算法收敛更快,而且在用该算法优化得到的注射速率下的充填质量比在用标准遗传算法优化得到的注射速率下的充填质量更好,说明采用改进遗传算法优化注射速率更为合理和可靠。     

一种小生境正交遗传算法研究

针对标准遗传算法的不足,借助正交试验法的全局均衡设计思想和二元变异操作对初始种群产生方式、交叉算子和变异算子进行了改进,提高了种群的多样性;借助最优保留策略和自然界的小生境思想,对选择算子进行了改进,提高了算法的全局收敛性能;另外还通过引入加速正交搜索操作,提高了算法的收敛速度.在此基础上,提出了一种小生境正交遗传算法,并进行了实例研究.研究结果表明,该算法不但可以有效地克服标准遗传算法的缺陷,而且计算速度、计算精度和算法稳定性也得到了显著提高.     

BOD-DO水质模型多参数反演的遗传算法

给出了利用遗传算法求解河流水质BOD-DO模型参数反演的一种新方法,该方法把参数反演问题转化为优化问题用遗传算法求解,其特点在于:从多个初始点开始寻优,并借助交叉、变异算子来获得水质参数的全局最优解。模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。     

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作.二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法.     

基于混合遗传算法的叠前随机反演方法

针对常规随机反演方法计算效率低的问题,提出一种基于混合遗传算法的叠前随机反演方法。该方法充分利用测井资料中的高频信息,并以地震数据作为约束,首先通过快速傅里叶滑动平均(fast Fourier transform-moving average,FFT-MA)谱模拟算法进行随机模拟得到基于地质统计学的初始模型信息,随后结合提出的混合遗传算法对模拟结果进行快速优化,得到符合地下地质结构的反演剖面,实现对叠前弹性参数的反演。混合遗传算法避免了一般遗传算法常见问题,如收敛速度慢以及产生"早熟"现象,与模拟退火相结合能够快速收敛达到全局最优,保证了反演精度。数值试验结果表明,融入混合遗传算法的叠前随机反演方法,在充分利用叠前信息的同时可以保证反演结果有效收敛,并且与模型数据吻合较好,与传统的叠前反演方法相比具有较高的分辨率,在储层识别和油藏描述中起到了重要作用。