自主遷移的并行遺傳算法用于馬斯京根模型參數(shù)估計(jì)

摘要：將并行技術(shù)與遺傳算法相結(jié)合，且針對(duì)影響并行遺傳算法性能的遷移時(shí)機(jī)進(jìn)行研究，提出了自主遷移的并行遺傳算法用于馬斯京根模型參數(shù)估計(jì)。實(shí)驗(yàn)結(jié)果表明，該算法為估計(jì)馬斯京根模型參數(shù)提供了一種有效的方法。

關(guān)鍵詞：自主遷移； 并行遺傳算法； 馬斯京根模型； 參數(shù)估計(jì)

Parallel Genetic Algorithm with Self-migration to Parameter Estimation of Muskingum Model

Xie Sheng-jia

(Guangdong Women's Polytechnic College ，Guangzhou 511450）

Abstract: Unify the parallel technology and the genetic algorithm， also conducts the research in view of the influence parallel genetic algorithm performance migration opportunity， proposed the parallel genetic algorithm with self-migration for estimating the parameter of Muskingum model. The experimental result indicated that， this algorithm for estimated the parameter of Muskingum model has provided one effective method. Key words: self-migration; parallel genetic algorithm;Muskingum model;parameter estimation

1 引言

馬斯京根流量演算法是McCarthy 于1934～1935 年在美國(guó)馬斯京根河上首先提出和應(yīng)用的一種洪水流量演算方法[1]，由于該方法數(shù)學(xué)上比較簡(jiǎn)單，計(jì)算快捷，對(duì)河道地形和糙率資料要求低，且在一般的河道洪水中演算效果較好，因而已在世界上眾多河流的洪水演算中得到了廣泛的應(yīng)用。馬斯京根模型在實(shí)際應(yīng)用中的一個(gè)重要問(wèn)題是模型參數(shù)的估計(jì)，這實(shí)質(zhì)上是一個(gè)復(fù)雜的非線性的參數(shù)優(yōu)化問(wèn)題，不少學(xué)者提出各種方法對(duì)其進(jìn)行研究，如試錯(cuò)法[2]、最小二乘法[3]、遺傳算法及其改進(jìn)算法[4-5]、蟻群算法[6]等，這些算法取得了一定的效果。

遺傳算法通過(guò)模擬自然界中生物進(jìn)化的遺傳規(guī)律尋找最優(yōu)的進(jìn)化結(jié)果，屬于帶導(dǎo)向性的隨機(jī)優(yōu)化算法。該算法具有良好的全局搜索能力，搜索過(guò)程與目標(biāo)信息無(wú)關(guān)，也無(wú)需求導(dǎo)等特點(diǎn)，因而適用于求解馬斯京根模型參數(shù)的最優(yōu)估計(jì)問(wèn)題。本文將并行技術(shù)與遺傳算法結(jié)合，提出將并行遺傳算法應(yīng)用于馬斯京根模型參數(shù)估計(jì)，給出具體的并行遺傳算法優(yōu)化模型參數(shù)的過(guò)程，并應(yīng)用實(shí)例進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表明本文算法是一種有效求解馬斯京根模型參數(shù)的方法。

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文