An improved shuffled frog leaping algorithm and its application in the optimization of cascade reservoir operation

ABSTRACT

A new improved shuffled frog leaping algorithm (SFLA), the chaos catfish effect SFLA (CCESFLA), is proposed by coupling a local “refine search” mechanism and a “global incentive adjustment” mechanism. Chaotic technology is introduced in the local “refine search” mechanism to improve local search ability, by implementing more refined local search around the optimal individuals. The catfish effect mechanism is adopted in the “global incentive adjustment” mechanism to improve global convergence, by motivating the frogs to “jump out” of the local steady state. The operation optimization by the CCESFLA is carried out taking the Li Xianjiang cascade reservoirs in China as an example. Compared with SFLA, particle swarm optimization, immune SFLA and cloud SFLA, the average annual power generation using the CCESFLA can be increased by 6.7, 7.5, 3.0 and 0.8%, respectively. The convergence process of the CCESFLA is more stable, and its execution time is the least of the three improved SFLAs.     

基于单台加速度记录的混合全局优化HVSR反演场地浅层速度结构

利用水平与竖向谱比（HVSR）方法反演场地速度结构是国际上迅速发展的研究领域.HVSR反演计算实质是一个土层场地模型空间搜索的全局优化问题,当模型搜索空间的复杂程度增大时,目前常用的搜索算法收敛速度慢,计算效率较低.本文实现了一种结合遗传和模拟退火方法优点的混合全局优化HVSR反演算法,通过理论模型和竖向台阵实测数据的检验,表明该算法能获得很好的反演效果,较好地解决了蒙特卡罗方法收敛速度慢,遗传算法收敛早熟和模拟退火算法搜索效率低的问题.本文在此基础上讨论了单台加速度S波记录用于场地速度结构HVSR反演的适用性,为基于单个地震台的地震观测记录反演浅层速度结构提供了一种高效且较为准确的反演方法.     

地震静校正全局最优化问题的求解

针对地震静校正存在的非线性和多参数性等问题，本文提出了一种全局优化的剩余静校正方法.在模型更新规则上，把模拟退火方法和均匀优化设计方法结合在一起，使模型的更新更为合理，从而加快了搜寻全局最优解的速度.同时提出了模型的不同分量的温度参数和退火过程的选取方式，把温度参数的选取与地震剖面的能量联系起来，使温度参数的选取具有自适应的特点.该方法克服了常规模拟退火方法所具有的寻优空间不均匀以及退火参数需通过多次试验选取的缺陷.通过实际地震资料的计算证明，本文提出的方法对地震静校正问题合理而有效.     

2D多尺度混合优化地球物理反演方法及其应用(英文)

局部优化和全局优化方法广泛应用到地球物理反演,但是两者各有其优缺点。将两类方法结合起来可以取长补短。将退火遗传算法（SAGA）和单纯形算法相结合,得到了一种高效、健全的2D非线性混合地震走时反演方法。首先,利用SAGA进行大范围的全局搜索,然后由单纯形方法进行快速局部搜索。为了降低层析成像的多解性,我们采用了多尺度逐次逼近的技巧。把速度场划分为不同的空间尺度,定义网格节点上的速度作为待反演参数,采用双三次样条函数模型参数化,正问题采用有限差分走时计算方法,反问题采用多尺度混合反演方法。一个低速度异常体的数值模拟试验和抗走时扰动试验表明该方法是有效和健全的。我们将该方法应用到青藏高原东北缘阿尼玛卿rlet,Meyer,Marr,缝合带东段上部地壳速度结构研究中。数字模型试验和实际资料的应用表明了方法的有效性和健全性。     

基于改进蚁群算法在面波频散曲线反演中的应用

为快速准确的反演得到近地表地层结构,将一种新颖而强大的非线性算法——蚁群算法引入到瑞雷波频散曲线领域,并对其进行相应的改进,改进蚁群算法的优点是运算效率快、精度高、算法简单、灵活易于实现,需要调节控制参数也较少。文中分别在无噪声\,含噪声以及实测数据进行反演测试,通过模型数据和实测数据表明,应用于瑞雷波反演中的改进蚁群算法在收敛速度与收敛精度之间能达到良好的平衡,所得解具有较高可信度。而且算法为促进所得解快速收敛到全局最优,在搜索中分全局搜索与局部搜索两个方式进行,能够有效地避免局部最优解产生。借助人工合成的瑞雷波数据以及真实观测数据,验证了改进蚁群算法在反演近地表剪切波速度时的有效性和通用性。此外,文中与遗传算法进行比较,得出改进蚁群算法具有高效性和高精度性的优点。     

地球物理资料群体智能反演(英文)

复杂地球物理资料的反演问题往往是一个求解多参数非线性多极值的最优解问题。而鸟和蚂蚁等群体觅食的过程,正好与寻找地球物理反演最优解的过程相似。基于自然界群体协调寻优的思想,本文提出了交叉学科的群体智能地球物理资料反演方法,并给出了其对应的数学模型。用一个有无限多个局部最优解的已知模型对该类方法进行了试验。然后,将它们应用到了不同的复杂地球物理反演问题中:(1)对噪声敏感的线性问题;(2)非线性和线性同步反演问题;(3)非线性问题。反演结果表明,群体智能反演是可行的。与常规遗传算法和模拟退火法相比,该类方法有收敛速度相对快、收敛精度相对高等优点;与拟牛顿法和列文伯格一马夸特法相比,该类方法有能跳出局部最优解等优点。     

基于遗传算法的广义回归神经网络在地震预测中的应用

提出了利用基于遗传算法结合广义回归神经网络（GRNN）进行地震预测的新方法。利用遗传算法的全局搜索能力、不易陷入局部极小点等优点来优化GRNN的径向基函数中心、宽度以及输出层的权值,使得计算结果全局最优。在实际地震数据中选取了100组样本数据进行仿真实验,并利用MATLAB进行仿真。仿真结果表明,本文提出的方法具有较高的精度和一定的理论指导意义。     

非线性地球物理反演方法:回顾与展望

自20世纪90年代以来，非线性地球物理反演方法已走向成熟，这些方法包括线性化迭代法，仿真淬火法，遗传算法及联合反演方法等，线性化迭代反演基于开放物理系统状态发生相变的原理，要进一步改善模型参数化的技术和迭代过程的自组织；仿真淬火法与遗传算法基于自然过程的指数率或生物演化的优生率，可以相互结合以提高解估计的分辨率与置信度；联合反演要结合岩石物理性质的统计规律，才能取得兼容地质与综合方法的应用效果，地球动力学中的反问题不仅涉及偏微分方程系数项的求解，而且涉及初始条件或初始边界的求解，对地球动力学作用过程研究特别重要。     

重力与地震资料的模拟退火约束联合反演

联合反演是综合地球物理研究的重要定量解释手段.本文在总结和分析重力与地震资料联合反演的研究现状基础上,利用改进的全局寻优的快速模拟退火算法,实现了重力和地震资料的约束同步联合反演.针对性地设计了密度和速度界面不完全一致的模型,理论模型的试验说明了方法的效果和适用性.结合最近完成的广东徐闻地区实际资料的处理和解释,表明该方法可准确确定复杂构造物性界面的密度和速度结构,在该地区的油气勘探中发挥了作用.在先验信息约束下,该联合反演方法要明显优于单独的重力反演.     

用随机启发式优化算法反演2003年云南大姚地震断层面参数的比较研究

基于余震分布确定主震断层面的数学模型,以确定断层面的走向和倾角参数进行计算,研究了遗传算法、模拟退火算法、差分演化算法、粒子群算法等4种最优化反演方法的反演效果和可靠性。结果显示,在涉及到的反演参数较少和非线性不太严重时,4种方法都有较好的表现,差分演化算法、粒子群算法速度快,精度高,遗传算法速度较慢,精度较低,模拟退火由于缺乏并行机制,速度较慢,精度高于遗传算法。余震在求出的断层附近分布图直观地反映出4种方法的效果和可靠性。     

正则化偏移成像的全局优化快速算法

目前,偏移后的地震剖面往往只是一个地质构造图像,还不能为后续的岩性分析和油气储层属性的提取提供更精确的信息.为了得到高分辨率真振幅的图像,建议采用正则化偏移成像方法.针对本问题数据规模大和正演算子矩阵稀疏的特点,提出采用一种新的算法--无记忆拟牛顿-模拟退火法对偏移算子方程进行求解.该方法综合了无记忆拟牛顿法优良的局部...     

Applying a real‐coded multi‐population genetic algorithm to multi‐reservoir operation

The primary objective of this study is to propose a real‐coded hypercubic distributed genetic algorithm (HDGA) for optimizing reservoir operation system. A conventional genetic algorithm (GA) is often trapped into local optimums during the optimization procedure. To prevent premature convergence and to obtain near‐global optimal solutions, the HDGA is designed to have various subpopulations that are processed using separate and parallel GAs. The hypercubic topology with a small diameter spreads good solutions rapidly throughout all of the subpopulations, and a migration mechanism, which exchanges chromosomes among the subpopulations, exchanges information during the joint optimization to maintain diversity and thus avoid a systematic premature convergence toward a single local optimum. Three genetic operators, i.e. linear ranking selection, blend‐α crossover and Gaussian mutation, are applied to search for the optimal reservoir releases. First, a benchmark problem, the four‐reservoir operation system, is considered to investigate the applicability and effectiveness of the proposed approach. The results show that the known global optimal solution can be effectively and stably achieved by the HDGA. The HDGA is then applied in the planning of a multi‐reservoir system in northern Taiwan, considering a water reservoir development scenario to the year 2021. The results searched by an HDGA minimize the water deficit of this reservoir system and provide much better performance than the conventional GA in terms of obtaining lower values of the objective function and avoiding local optimal solutions. Copyright © 2006 John Wiley & Sons, Ltd.     

多导体柱微波成像的连续编码遗传算法

提出一种能同时重建多个二维良导体目标外形轮廓的新方法——连续编码遗传算法．将目标的横截面轮廓近似表达为三角级数形式,由边界条件得到一积分方程组,在此基础上将成像问题转化为约束优化问题,级数的各项系数为待优化量．积分方程组为约束条件,目标函数定义为实际测量的散射场与反演过程中得到的散射场之间的相对误差函数．采用连续编码遗传算法求解,优化过程通过选择、交叉、变异等遗传操作的选代而实现,待优化目标函数进行线性变换并采用模拟退火原理确定目标后表达为适应度函数,采用联赛选择与比例选择相结合的选择机制和单点交叉方式,变异操作通过对基因施加微小随机扰动实现．上一代中适应度最高的个体直接保留．数值模拟反演实验验证了方法的有效性．与其他反演方法相比,本法具有简单、通用、鲁棒性强等特点．     

基于模拟退火算法的设计反应谱标定方法

反应谱的标定是抗震设计的基础工作之一,模拟退火算法是基于模拟固体退火过程而提出的多参数优化组合方法。本文提出将模拟退火算法应用于设计反应谱的标定,并概述了模拟退火算法的基本原理及特点,介绍了运用MATLAB基于模拟退火算法对反应谱进行标定的过程。检验了将模拟退火算法应用于场地相关谱标定的可行性和合理性,给出了将其应用于工程场地地震安全性评价中设计反应谱标定实例。通过检验和实例分析可以看出,基于模拟退火算法的反应谱标定方法所给出的设计反应谱谱形真实地反映了原地震反应谱的特征,较客观的反映了场地相关反应谱的峰值和周期特征。     

微种群遗传算法优化结构振动控制

本文将微种群遗传算法应用到结构振动控制中，用遗传算法优化控制器，以解决一类用经典线性反馈控制无法解决的半主动控制的优化问题，该方法提出将非线性控制问题线性化，导出了简化过程，然后利用遗传算法求解，它具有利用微种群遗传算法全局寻优，并且对目标函数的性态要求较少的特点，数值算例表明，本文方法是有效的。     

Using a hybrid genetic algorithm–simulated annealing algorithm for fuzzy programming of reservoir operation

We present a novel approach for optimizing reservoir operation through fuzzy programming and a hybrid evolution algorithm, i.e. genetic algorithm (GA) with simulated annealing (SA). In the analysis, objectives and constraints of reservoir operation are transformed by fuzzy programming for searching the optimal degree of satisfaction. In the hybrid search procedure, the GA provides a global search and the SA algorithm provides local search. This approach was investigated to search the optimizing operation scheme of Shihmen Reservoir in Taiwan. Monthly inflow data for three years reflecting different hydrological conditions and a consecutive 10‐year period were used. Comparisons were made with the existing M‐5 reservoir operation rules. The results demonstrate that: (1) fuzzy programming could effectively formulate the reservoir operation scheme into degree of satisfaction α among the users and constraints; (2) the hybrid GA‐SA performed much better than the current M‐5 operating rules. Analysis also found the hybrid GA‐SA conducts parallel analyses that increase the probability of finding an optimal solution while reducing computation time for reservoir operation. Copyright © 2007 John Wiley & Sons, Ltd.     

An improved grey wolf optimizer algorithm for the inversion of geoelectrical data

The grey wolf optimizer (GWO) is a novel bionics algorithm inspired by the social rank and prey-seeking behaviors of grey wolves. The GWO algorithm is easy to implement because of its basic concept, simple formula, and small number of parameters. This paper develops a GWO algorithm with a nonlinear convergence factor and an adaptive location updating strategy and applies this improved grey wolf optimizer (improved grey wolf optimizer, IGWO) algorithm to geophysical inversion problems using magnetotelluric (MT), DC resistivity and induced polarization (IP) methods. Numerical tests in MATLAB 2010b for the forward modeling data and the observed data show that the IGWO algorithm can find the global minimum and rarely sinks to the local minima. For further study, inverted results using the IGWO are contrasted with particle swarm optimization (PSO) and the simulated annealing (SA) algorithm. The outcomes of the comparison reveal that the IGWO and PSO similarly perform better in counterpoising exploration and exploitation with a given number of iterations than the SA.     

基于改进差分进化算法的大地电磁测深和重力宽范围物性约束联合反演

宽范围物性约束技术容易实现、具有一定容错性,目前已在大地电磁测深（MT）和地震、MT和重力联合反演中实现,但该技术是结合模拟退火算法实现的.差分进化算法（DE）是一种全局优化算法,但该算法在地球物理联合反演领域应用较少.基于此,本文以双种群设置方案为框架改进了DE算法,并提出了基于改进DE算法的宽范围物性约束技术.MT和重力联合反演的模型试验表明：与传统的DE算法相比,改进的DE算法收敛速度更快,寻优能力更强;基于改进DE算法的宽范围物性约束技术可以促进不同岩石物性参数在一定"范围"内实现耦合,既可以利用岩石物性关联的导向作用,又可以发挥优化算法的寻优能力,进而降低地球物理联合反演对先验信息的要求;此外,该技术的实现也验证了宽范围物性约束思想在联合反演领域中的适用性,具有进一步推广至其他优化算法中的潜质.     

Non-linear inversion of resistivity profiling data for some regular geometrical bodies1

The inversion of resistivity profiling data involves estimation of the spatial distribution of resistivities and thicknesses of rock layers from the apparent resistivity data values measured in the field as a function of electrode separation. The drawbacks of using traditional curve-matching techniques to solve this inverse problem have been overcome by iterative linear techniques but these require good starting models even if the shape of the causative body is asssumed known. In spite of the recent developments in inversion techniques, no robust method exists for the inversion of resistivity profiling data for the simple model of dikes and spheres which are the classical models of geophysical prospecting. We apply three different non-linear inversion schemes to invert synthetic resistivity profiling data for the classical models embedded in a uniform matrix of contrasting resistivity. The three non-linear algorithms used are called the Metropolis simulated annealing (SA), very fast simulated annealing (VFSA) and a genetic algorithm (GA). We compare the performance of the three algorithms using synthetic data for an outcropping vertical dike model. Although all three methods were successful in obtaining optimal solutions for arbitrary starting models, VFSA proved to be computationally the most efficient.     

改进蜂群算法及其在面波频散曲线反演中的应用

应用改进蜂群算法反演面波频散曲线以获得近地表横波速度剖面.蜂群算法属于群智能算法中的一种,灵感来源于蜜蜂群体特定的觅食行为,在该算法的基础上结合粒子群算法中的全局最优解引导思想,同时引入遗传算法中交叉运算操作,即采用基于交叉操作的全局人工蜂群算法对面波频散曲线进行反演研究.改进蜂群算法在继承传统算法精于探索特性的同时,针对其疏于开发的缺陷着重加强了算法对全局的探索能力.使用理论和实测瑞雷波数据,本文研究了改进蜂群算法在推导近地表横波速度分布的有效性和适用性.在反演中,目标函数的收敛性好,改进算法在迭代的过程中能够快速收敛到全局最优;模型参数的概率分布高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演的结果可靠度,使其能有效地应用于瑞雷波频散曲线的反演和解释中.