蟻群算法的改進(jìn)及其水資源應(yīng)用.pdf

1、本論文在前人研究基礎(chǔ)上，對(duì)蟻群算法進(jìn)行了改進(jìn)，建立了蟻群算法在水資源優(yōu)化和預(yù)測(cè)等方面的新模型，通過MATLAB計(jì)算機(jī)語言編程，進(jìn)行數(shù)據(jù)處理，應(yīng)用于實(shí)踐中，較好地解決了水資源系統(tǒng)中的多元復(fù)雜性問題，取得了良好的效果。 本文取得了以下三方面的成果： 1.本文介紹了一種具有隨機(jī)性的局部搜索策略的蟻群算法模型，它可以提高一般函數(shù)優(yōu)化問題的求解精度和搜索效率。本次研究將該模型成功的應(yīng)用在明渠斷面臨界水深優(yōu)化計(jì)算、溢流壩下游斷面水深

2、優(yōu)化計(jì)算中，效果十分明顯，計(jì)算精度也較高。 2.本論文找到了蟻群算法與Marr小波神經(jīng)網(wǎng)絡(luò)的結(jié)合點(diǎn)，用優(yōu)化連續(xù)空間的多維蟻群算法代替梯度下降法，調(diào)節(jié)BP網(wǎng)絡(luò)的權(quán)值與小波函數(shù)的伸縮系數(shù)、平移系數(shù)：用小波函數(shù)Marr代替BP網(wǎng)絡(luò)中的S型激活函數(shù)；并用小波網(wǎng)絡(luò)的總體標(biāo)準(zhǔn)差作為蟻群算法的目標(biāo)函數(shù)。該耦合模型用于水稻需水量預(yù)測(cè)中，取得了滿意效果。 3.蟻群算法具有很好的全局優(yōu)化能力。本文在實(shí)碼加速遺傳算法的基礎(chǔ)上，對(duì)該模型進(jìn)行了很