新安江模型参数优选的改进粒子群算法

被引：47

作者：

江燕 ^{[1
]}

刘昌明 ^{[1
]}

胡铁松 ^{[2
]}

武夏宁 ^{[3
]}

机构：

[1] 北京师范大学水科学研究院

[2] 武汉大学资源与水电工程科学国家重点实验室

[3] 中国水利水电建设集团公司

来源：

水利学报 | 2007年 / 10期

关键词：

参数优选; 新安江模型; 全局优化; 粒子群算法; 多种群混合进化;

D O I：

10.13243/j.cnki.slxb.2007.10.012

中图分类号：

P334.92 [];

学科分类号：

摘要：

借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。

引用

页码：1200 / 1206

页数：7

共 8 条

[1] 粒子群算法在新安江模型参数优选中的应用
江燕
胡铁松
桂发亮
武夏宁
曾志炫
[J]. 武汉大学学报(工学版), 2006, (04) : 14 - 17+24
[2] 基于并行遗传算法的新安江模型参数优化率定方法
武新宇
程春田
赵鸣雁
[J]. 水利学报, 2004, (11) : 85 - 90
[3] 新安江模型参数全局优化研究
李致家
周轶
哈布·哈其
[J]. 河海大学学报(自然科学版), 2004, (04) : 376 - 379
[4] 水文模型参数优选遗传算法的应用
陆桂华
郦建强
杨晓华
[J]. 水利学报, 2004, (02) : 50 - 56
[5] 环境模型参数优化方法的比较
刘毅
陈吉宁
杜鹏飞
[J]. 环境科学, 2002, (02) : 1 - 6
[6] SCE-UA方法在新安江模型参数优化中的应用(英文)
Hapuarachchi H.A.P.
李致家
王寿辉
[J]. 湖泊科学, 2001, (04) : 304 - 314
[7] Using genetic algorithms to optimise model parameters
Wang, QJ
[J]. ENVIRONMENTAL MODELLING & SOFTWARE, 1997, 12 (01) : 27 - 34
[8] An automatic method for finding the greatest or least value of function .2 Rosenbrock H H. Computer Journal . 1960

← 1 →