蚁群算法的改进及其水资源应用

《蚁群算法的改进及其水资源应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北农业大学硕士学位论文蚁群算法的改进及其水资源应用姓名：杨娜申请学位级别：硕士专业：农业水土工程指导教师：付强20080620摘要摘要在水资源系统工程中，存在诸多非线性、多维组合优化问题。解决这些问题的传统方法多采用解析法和穷举法，但这些方法都存在不同程度的缺点。本论文的目的旨在寻求出能够解决这些问题的更有效．更方便的方法。蚁群算法(mtColonyAlgorithmabbreviated：ACA)是一种全局优化方法，本论文在前入研究基础上，对蚁群算法进行了改进，建立了蚁群算法在水资源优化和预测等方面的新模型，通过MATLAB计算机语言编程，进行数

2、据处理，应用于实践中，较好地解决了水资源系统中的多元复杂性问题。取得了良好的效果。本文取得了以下三方面的成果：1．本文介绍了一种具有随机性的局部搜索策略的蚁群算法模型，它可以提高一般函数优化问题的求解精度和搜索效率。本次研究将该模型成功的应用在明渠断面临界水深优化计算、溢流坝下游断面水深优化计算中，效果十分明显，计算精度也较高。2．本论文找到了蚁群算法与Mart小波神经网络的结合点，用优化连续空间的多维蚁群算法代替梯度下降法，调节BP网络的权值与小波函数的伸缩系数、平移系数：用小波函数Mm-r代替BP网络中的S型激活函数；并用小波网络的总体标准差作为

3、蚁群算法的目标函数。该耦合模型用于水稻需水量预测中，取得了满意效果。3．蚁群算法具有很好的全局优化能力。本文在实码加速遗传算法的基础上，对该模型进行了很大的改进。提出了连续多维型蚁群一遗传算法，并首次应用在查哈阳灌区水稻灌溉制度优化利用中，计算结果与实际配水基本一致，证明该模型具有很好的实用价值。基于以上几种的模型的建立，本论文实现了理论与实践的有机结合。该论文的研究成果既为水文水资源领域的复杂、非线性问题提供了新的方法和思路，同时也拓宽了蚁群算法的应用范围，并且在理论上做了相应的改进。关键词水资源系统；蚁群算法；人工神经网络；遗传算法；优化；预测东

4、北农业火学工学硕-【：学位论文ImprovementOfAntColonyAlgorithmAndItsApplicationInWaterResSyslResources：SystemAbstractWaterresourcessystemengineeringexistedagreatdealofnonlinear,multi—dimensionalcombinationoptimization．Traditionalsolutionswereanalyticalandexhaustivemethod,butthesemethodshaddiff

5、erentdisadvantages．Thissubjectcouldseekmoreeffectiveandconvenientsolutions．Antcolonyalgorithmwasaglobaloptimizationmethod，andwasimprovedonpreviousresearchfoundation．Ithadbeenestablishedthatnewmodelsofantcolonyalgorithminwaterresourcesoptimizationandprediction，andhadbeenimplemen

6、tedbyMATLABlanguage．Themodelcouldbettersolvemulti-elementcomplicatedproblemsofwaterresourcessysteminpracticeandeffectwasgoodThispaperobtainedthreeaspectsofachievementsbelow：(1)thispaperintroducedamodelofantcolonyalgorithmoflocalrandomnesssearchstrategy,whichthemodelcouldimprove

7、solvingprecisionandsearchingefficiencytocommonfunctionoptimization．Themodelhadbeenappliedsuccessfullyincriticaldepthcalculationforsectioninditchandcomputingwaterdepthofsectiondownstreamoverflowdam，andeffectWasbeReLprecisionwashigher．(2)combinationpointhadbeenfoundthatantcolonya

8、lgorithmandMartwaveletneuralnetwork．Multi—dimensionala