Development and application of a master-slave parallel hybrid multi-objective evolutionary algorithm for groundwater remediation design

Two primary goals of a multi-objective evolutionary algorithm (MOEA) for solving multi-objective optimization problems are to find as many nondominated solutions as possible toward the true Pareto front and to maintain diversity of Pareto-optimal solutions along the tradeoff curves. However, few MOEAs can achieve these two goals concurrently. This study presents a new hybrid MOEA, the niched Pareto tabu search combined with a genetic algorithm (NPTSGA), in which the global search ability of niched Pareto tabu search (NPTS) is improved by the diversification of candidate solutions that arose from the evolving population of nondominated sorting genetic algorithm-II (NSGA-II). The NPTSGA coupled with a flow and transport model is developed for multi-objective optimal design of groundwater remediation systems. The proposed methodology is then applied to a large field-scale groundwater remediation system for cleanup of large trichloroethylene plume at the Massachusetts Military Reservation in Cape Cod, Massachusetts. Furthermore, a master-slave (MS) parallelization scheme based on the Message Passing Interface is incorporated into the NPTSGA to implement objective function evaluations in a distributed processor environment, which can greatly improve the efficiency of the NPTSGA in finding Pareto-optimal solutions to the real-world applications. This study shows that the MS parallel NPTSGA in comparison with the original NPTS and NSGA-II can balance the tradeoff between the diversity and optimality of solutions during the search process and is an efficient and effective tool for optimizing the multi-objective design of groundwater remediation systems under complicated hydrogeologic conditions.     

控制海水入侵的地下水多目标模拟优化管理模型

为实现滨海含水层地下水开采-回灌方案优化、控制海水入侵面积和降低海水入侵损失等多重管理目标,建立了海水入侵条件下地下水多目标模拟优化管理模型SWT-NPTSGA。模拟模型采用基于变密度流的数值模拟程序SEAWAT来模拟海水入侵过程。优化模型采用小生境Pareto禁忌遗传混合算法NPTSGA来求解,该算法在保证多目标权衡解的收敛性和计算效率的前提下,能维护整个进化群体的全局多样性。将SWT-NPTSGA程序应用于一个理想滨海含水层地下水开采方案和人工回灌控制海水入侵的优化设计中,结果表明该管理模型能够同时处理最大化总抽水流量、最小化人工回灌总量和最小化海水入侵范围等3个目标函数之间的权衡关系。通过采用人工回灌海水入侵区的减灾策略,既能增加滨海地区的供水量,又可减少海水入侵的范围,由此进一步验证了模型的有效性和可靠性。     

两种智能算法在求解地下水管理模型中的对比

分别将禁忌搜索和遗传算法与地下水流模型MODFLOW和地下水溶质运移模型MT3DMS相耦合,并将其应用于求解地下水资源优化管理模型。在概述两种智能算法基本原理和地下水管理模型组成的基础上,结合两个理想的应用实例,从优化结果和计算效率两个方面对禁忌搜索和遗传算法进行了对比分析。在两个实例中,禁忌搜索分别以高于遗传算法10倍和27倍的计算效率得到了减少抽水流量约160 m³/d和节约治理成本约47万元的治理方案。结果表明,禁忌搜索在求解地下水管理模型中具有较好的应用前景。     

基于INPGA的地下水污染治理多目标优化管理模型:Ⅱ——实例应用

简单算例研究表明改进的小生境Pareto遗传算法(INPGA)用于求解地下水系统的多目标优化管理模型时,求解过程简单,计算速度快,而且得到的Pareto解集跨度更为合理.本文以美国麻省军事保护区(Massachusetts Military Reservation,MMR)为实例,通过建立研究区复杂地下水污染治理的多目...     

基于INPGA的地下水污染治理多目标优化管理模型:Ⅰ——理论方法与算例验证

基于小生境技术的Pareto遗传算法(NPGA)是一种求解多目标问题的智能搜索方法,适用于优化多种非线性、不连续等复杂多目标问题.但该算法存在局部早熟收敛和收敛速度慢两个不足,在求解Pareto前沿上效果不佳.本文在NPGA的基础上,提出了改进NPGA方法(INPGA),通过Pareto解集过滤器、精英个体保留策略、邻...     

土钉墙内部稳定性分析自适应禁忌变异遗传算法

针对土钉墙内部稳定性分析问题,提出一种能同时确定土钉墙任意形状最危险滑动面及相应安全系数的全局优化算法。首先,基于边坡极限平衡法中的Morgenstern-Price法,考虑土钉的加固作用,推导土钉墙安全系数计算公式。然后,分析简单遗传算法（SGA）和禁忌搜索算法（TSA）的不足,引进自适应遗传算法（AGA）,用禁忌变异算子替换自适应遗传算法中的标准变异算子,提出一种新型的混合优化算法--自适应禁忌变异遗传搜索算法（ATMGA）,并将其应用到土钉墙内部稳定性分析领域,建立土钉墙任意形状临界滑裂面稳定性分析优化算法。算例分析表明,（1）与单纯的SGA、TSA以及AGA相比,文中ATMGA法搜索效率高、收敛速度快且能准确地搜索到土钉墙最危险滑动面及其相应的最小安全系数;（2）土钉支护前、后临界滑面位置相差较大,建议在实际工程中对支护后基坑的临界滑面以及相应的安全系数进行重新搜索。     

基于混合模糊神经网络储层裂缝地震反演研究

基于储层裂缝系统具有非线性特征,储层裂缝地震反演是由遗传算法(GA)、模糊神经网络(ANF IS)和禁忌搜索算法(TS)有机地结合而构成的自适应混合模糊神经网络技术。该技术在成像测井约束下,形成的自适应混合算法分别训练ANF IS网络的前提参数和结论参数,从而获得满足精度要求的储层裂缝密度的最佳估计值。针对目标储层段,应用储层裂缝地震反演方法对过井地震剖面和联井地震剖面进行了储层裂缝密度反演处理,获得了可用于地质解释和油气预测的视裂缝密度剖面。这种裂缝密度剖面含有裂缝定量信息,其裂缝密度相对误差为:0.8%~24%,满足勘探开发的要求。经与研究区的地质对比分析表明,视裂缝密度剖面上的裂缝展布特征符合研究区的沉积相分布和岩石力学性质的变化特征,对研究区的勘探开发具有重要意义。     

Optimal design of groundwater remediation systems using a multi-objective fast harmony search algorithm

A new multi-objective optimization methodology is developed, whereby a multi-objective fast harmony search (MOFHS) is coupled with a groundwater flow and transport model to search for optimal design of groundwater remediation systems under general hydrogeological conditions. The MOFHS incorporates the niche technique into the previously improved fast harmony search and is enhanced by adding the Pareto solution set filter and an elite individual preservation strategy to guarantee uniformity and integrity of the Pareto front of multi-objective optimization problems. Also, the operation library of individual fitness is introduced to improve calculation speed. Moreover, the MOFHS is coupled with the commonly used flow and transport codes MODFLOW and MT3DMS, to search for optimal design of pump-and-treat systems, aiming at minimization of the remediation cost and minimization of the mass remaining in aquifers. Compared with three existing multi-objective optimization methods, including the improved niched Pareto genetic algorithm (INPGA), the non-dominated sorting genetic algorithm II (NSGAII), and the multi-objective harmony search (MOHS), the proposed methodology then demonstrated its applicability and efficiency through a two-dimensional hypothetical test problem and a three-dimensional field problem in Indiana (USA).     

大连周水子海水入侵区地下水多目标优化管理模型

将改进后的遗传算法GA（添加了小生境、Pareto解集过滤器等模块）与变密度地下水流及溶质运移模拟程序SEAWAT-2000相耦合,新开发了变密度地下水多目标模拟优化程序MOSWTGA。将MOSWTGA应用于求解大连周水子地区以控制抽水井所在含水层不发生海水入侵为约束的地下水开采多目标优化管理模型,得到地下水最大开采量与海水入侵面积之间一系列Pareto近似最优解。研究成果不仅为实行合理的地下水资源配置提供了科学的实用模型,同时也为解决多个优化目标下的变密度地下水优化管理问题提供高效可靠的模拟优化工具,具有重要的潜在环境经济效益。     

NPGA-GW在地下水系统多目标优化管理中的应用

在地下水系统管理问题中,涉及到多个相互冲突的目标函数常常被简化为不同形式的单一目标函数来求解,这种通过单一目标函数的优化方法只能给出一个解,由此确定的方案有时会违背决策者的意愿。而通过多目标优化方法可以得到一系列供决策者权衡选择的解集。将地下水流模拟程序MODFLOW 和溶质运移模拟程序MT3DMS 相耦合,采用基于小生境技术的Pareto 遗传算法进行求解,开发了一个用于地下水系统多目标管理的应用程序NPGA-GW。并将该程序应用于一个二维地下水污染修复问题的多目标优化求解,结果表明,该程序能够在较短的时间内得到一系列Pareto 最优解,解的跨度足够决策者进行适当的选择,具有很好的应用前景。     

地下水管理模型求解方法综述

地下水管理模型求解方法的研究是目前地下水管理领域的热点问题。本文从地下水管理模型传统优化算法和现代智能优化算法等方面进行了评述,着重讨论了目前应用较广泛的求解非线性地下水系统的优化算法,如遗传算法、模拟退火算法、人工神经网络算法等;阐述了地下水监测网优化设计研究以及多目标地下水管理模型的求解方法。最后指出应加强地下水动态规划管理模型和地下水系统随机管理模型的求解技术的研究。     

基于谐振子遗传算法的高效地下水优化管理模型

在传统遗传算法和模拟谐振子算法的基础上,结合两者的优点,提出了一种新型快速高效的谐振子遗传算法。通过一个理想的水资源管理模型的算例和一个华北平原典型区地下水资源优化的实际算例,从寻优结果和寻优效率两个方面对谐振子遗传算法、传统遗传算法和模拟谐振子算法进行了对比分析。在两个地下水管理模型中,与传统的遗传算法和模拟谐振子算法相比,新型的谐振子遗传算法搜索效率达到模拟谐振子算法搜索效率的2倍以上,得到的最优解比遗传算法所得到的最优解分别增加供水量1.1×10³ m³/d和0.47×10⁸ m³/a,说明谐振子遗传算法具有更强的全局搜索能力和更好的寻优效率。     

基于二阶段禁忌算法的边坡安全模型的识别

识别岩土力学经验模型的关键是如何寻找到一个全局最优解。禁忌虎法是一种寻找全局最优解的算法。针对常规禁忌算法处理连续问题时搜索范围小，对初始点的依赖性强等不足，对算法进行了改进，并将禁忌算法的离散化过程进行了修改，提出了二阶段禁忌算法。用该算法对圆弧和楔体破坏边坡数模型中的参数进行了搜索。结果表明，该方法是一种行之有效的全局优化算法。     

禁忌搜索在确定土坡危险滑动面中的应用

在土坡稳定的计算过程中常采用经典的极限平衡法。对每一条可能的圆弧滑动面通过条分法计算其安全系数,最小的安全系数就代表了土坡的实际安全系数。在此过程中,滑动面的圆心坐标和半径可以视为安全系数的函数,滑动面的圆心坐标和半径是自变量,安全系数就是函数值。这样,土坡安全系数的计算过程实际上是对安全系数这个函数求极值的过程。通过将土坡的安全系数视为圆心坐标和滑弧半径的函数,应用连续变量的禁忌搜索技术计算土坡稳定安全系数,提高土坡稳定计算的可靠性。     

应用改进的遗传算法反演多层密度界面

利用具有全局优化功能的遗传算法直接反演多层密度界面.首先根据重力反演的特点对遗传算法进行改进, 使遗传算法基因交换过程中交换位置的确定同重力异常的拟合情况相结合, 给出适合于重力反演特点的遗传算法.然后利用改进后的遗传算法直接反演多层密度界面.理论模型和实际剖面的计算表明改进是有效的.      

基于变步长加速搜索的微震源定位方法

微震定位方法是微震监测技术的重要组成部分,其关键是定位震源位置。利用空间网格划分并计算网格交点目标函数值,对微震定位目标函数二维及三维空间分布进行了分析,并据此获取了目标函数连续且极小值唯一、单轴收敛范围逐步减小、各轴收敛范围不一的规律。利用以上规律及模式搜索法、网格搜索法的优缺点,探索出了基于连续比较模块、变步长模块、加速模块的变步长加速搜索法。通过模拟算例与工程数据下收敛稳定性、结果精确度、计算速度以及参数初始值影响程度4个指标的效果对比,结果表明：模拟算例下,对比模拟退火算法、遗传算法,变步长加速搜索法的目标函数值标准差、定位误差标准差、波速误差标准差均为0;该算法的定位误差平均值分别为其余二者的0.7%、1.9%;该算法的计算时间平均值分别为其余二者的6.9%、33.2%。该算法单独更改各参数对定位误差的影响在0.005～0.025 m之间;减小搜索步长下限可有效提高结果精确度,并增加相应的计算时间。在规定初至到时与目标函数模型及检波器位置坐标下,搜索算法对定位精度无实质影响。     

混合遗传算法在大地电磁一维反演中的应用

遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测,且具有全局收敛的特点,可以被用来解决各种复杂的实际问题,如工程优化设计,人工智能和决策系统,以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法,但许多仿真结果表明,它具有计算时间长,局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法,收敛速度快,但容易陷入局部极值,且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点,这里提出了一种混合遗传算法,用来进行地球物理反演。该算法既具有遗传算法的全局收敛性,又有共轭梯度法的快速收敛性,经实际应用,取得了良好的效果。     

基于SAGA-FCM的煤与瓦斯突出预测方法

为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明：遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。     

双重变异遗传算法及其在临界滑动面搜索中的应用

针对传统的优化算法难以在具有变量多、约束条件复杂、局部极值点多的边坡临界滑动面搜索中取得较好效果的问题,提出双重变异遗传算法（DMGA）。一方面,该算法通过探测变异操作提升算法的局部寻优能力,通过直接变异操作提升算法的全局寻优能力,两者的结合使算法能够在搜索的广度与深度上达到较好的平衡;另一方面,算法采用考虑个体适应度值与进化代数的自适应交叉概率及自适应变异概率,使算法在进化的早期能够增加种群的多样性,在进化的后期能够保护较优的个体不受破坏。将该算法与简化Bishop法相结合,对澳大利亚计算机应用协会（ACADS）提供的考核题及一个海堤边坡工程实例进行分析,计算结果表明：（1）对于均质边坡和非均质边坡,该方法均能准确搜索到边坡的临界滑动面及相应的安全系数;（2）与仅进行直接变异或探测变异的遗传算法相比,双重变异遗传算法具有更强的全局搜索能力及更好的鲁棒性,具有广阔的应用前景。     

Single‐and multi‐objective genetic algorithm optimization for identifying soil parameters

This paper discusses the quality of the procedure employed in identifying soil parameters by inverse analysis. This procedure includes a FEM‐simulation for which two constitutive models—a linear elastic perfectly plastic Mohr–Coulomb model and a strain‐hardening elasto‐plastic model—are successively considered. Two kinds of optimization algorithms have been used: a deterministic simplex method and a stochastic genetic method. The soil data come from the results of two pressuremeter tests, complemented by triaxial and resonant column testing. First, the inverse analysis has been performed separately on each pressuremeter test. The genetic method presents the advantage of providing a collection of satisfactory solutions, among which a geotechnical engineer has to choose the optimal one based on his scientific background and/or additional analyses based on further experimental test results. This advantage is enhanced when all the constitutive parameters sensitive to the considered problem have to be identified without restrictions in the search space. Second, the experimental values of the two pressuremeter tests have been processed simultaneously, so that the inverse analysis becomes a multi‐objective optimization problem. The genetic method allows the user to choose the most suitable parameter set according to the Pareto frontier and to guarantee the coherence between the tests. The sets of optimized parameters obtained from inverse analyses are then used to calculate the response of a spread footing, which is part of a predictive benchmark. The numerical results with respect to both the constitutive models and the inverse analysis procedure are discussed. Copyright © 2011 John Wiley & Sons, Ltd.