混合多目标遗传算法求解地下水污染修复管理模型
为了提高多目标遗传算法Pareto解的局部最优性,本文将快速非支配遗传算法(NSGAⅡ)与一种迭代式的局部搜索算法(Hill Climber with Step,HCS)相结合,开发了一种新的混合多目标遗传算法NSGAⅡ-HCS.利用CONV1和ZDT6两个经典的多目标优化函数对NSGAⅡ-HCS的性能进行测试,与传统的多目标算法NSGAⅡ相比,CONV1得到的Pareto锋面与真实Pareto最优解锋面的平均距离由5.49减小到1.74,ZDT6则由0.16减小到0,表明NSGAⅡ-HCS在保证解多样性的前提下,能使解接近或收敛到真实的Pareto最优解锋面.最后,将NSGAⅡ-HCS与地下水流模拟软件MODFLOW和溶质运移模拟软件MT3DMS相耦合,并应用到一个理想的二维地下水污染修复管理模型中,结果分析表明该方法可为地下水污染治理提供多样的和收敛的Pareto管理策略,是一种稳定可靠的多目标优化方法.
混合多目标算法、NSGAⅡ、局部搜索、地下水污染修复
36
X32(环境规划与环境管理)
国家自然科学基金资助项目No.41072175,41372235,41402198Supported by the National Natural Science Foundation of ChinaNo.41072175,41372235,41402198
2016-10-12(万方平台首次上网日期,不代表论文的发表时间)
3428-3435