智能算法及其在资源环境系统建模中的应用PDF电子书下载

目录 1

第一章 绪论　 1

1.1 资源环境系统模型　 1

1.2 资源环境系统模型优化方法　 5

1.2.1 传统优化方法　 6

1.2.2　智能优化算法　 10

1.3　遗传算法研究进展　 13

1.3.1　遗传算法简史　 16

1.3.2　遗传算法研究进展　 18

1.4　人工神经网络研究进展　 24

1.5　模糊数学研究进展　 26

1.6　本书目的与内容　 29

第二章 二进制编码遗传算法　 43

2.1　基本遗传算法　 43

2.1.1　SGA构成要素　 44

2.1.2　SGA形式化定义　 44

2.1.3 算例　 45

2.2　遗传算法的基本理论　 49

2.3 二进制编码遗传算法的主要优缺点及其改进方式　 52

2.4　二进制编码遗传算法的改进　 54

2.4.1　IAGA计算技术　 55

2.4.2　IAGA控制参数　 58

2.4.3　IAGA全局优化性能分析　 58

2.4.4　IAGA测试　 59

2.5　二进制编码自适应加速遗传算法　 61

2.5.1　AAGA计算技术　 62

2.5.2　AAGA测试　 63

2.5.3 算例　 65

2.6　本章小结　 66

第三章 格雷码编码遗传算法　 68

3.1　格雷码遗传算法　 70

3.2　格雷码加速遗传算法　 71

3.2.1　GAGA计算技术　 71

3.2.2　GAGA测试　 72

3.2.3　解非线性极大极小问题的GAGA　 73

3.2.4　算例　 73

3.3　GAGA理论　 76

3.3.1　GAGA模式定理　 76

3.3.2　GAGA收敛定理　 78

3.4　格雷码编码单纯形混合加速遗传算法　 79

3.4.1　单纯形法　 80

3.4.2　GSHAGA计算技术　 82

3.4.3 GSHAGA性能分析　 83

3.4.4　GSHAGA数值模拟　 84

3.5 格雷码编码模式搜索混合加速遗传算法　 86

3.5.1　模式搜索法　 86

3.5.2　GHHAGA计算技术　 88

3.5.3　GHHAGA数值模拟　 88

3.6　本章小结　 92

4.1 实数编码遗传算法概述　 94

第四章 实数编码遗传算法　 94

4.2 实数编码单纯形混合加速遗传算法　 96

4.2.1　SHAGA计算技术　 96

4.2.2　SHAGA控制参数　 98

4.2.3 SHAGA分析　 98

4.2.4　SHAGA测试　 98

4.3 实数编码模式搜索混合加速遗传算法　 99

4.3.1　HHAGA计算技术　 100

4.3.2　HHAGA测试　 100

4.3.3 算例　 103

4.4 实数编码遗传算法与其他优化算法比较　 104

4.4.1 测试函数　 105

4.4.2　全局优化性能比较　 107

4.4.3　优化算法对准则的稳定性比较　 107

4.4.4　各种遗传算法比较结果　 110

4.5　本章小结　 111

第五章 自然数编码遗传算法　 113

5.1　模型描述　 114

5.2　算法设计　 114

5.4 算例　 118

5.3　NOEGA复杂性分析　 118

5.5 本章小结　 120

第六章 模拟退火算法　 122

6.1　模拟退火算法　 122

6.2　改进的模拟退火算法　 124

6.3　模拟退火混合加速遗传算法　 125

6.4 SAHAGA理论分析　 126

6.5 算例　 126

6.6　本章小结　 130

第七章 人工神经网络　 132

7.1 人工神经网络概念　 132

7.2　人工神经元模型　 133

7.3　人工神经网络分类　 135

7.4　BP神经网络　 136

7.4.1　BP神经网络模型　 136

7.4.2 改进的BP神经网络模型　 138

7.4.3　算例　 139

7.4.4 结论　 141

7.5　RBF神经网络　 141

7.5.2　RBF神经网络模型　 142

7.5.1　RBF神经网络原理　 142

7.5.3 算例　 144

7.5.4　结论　 146

7.6　本章小结　 146

第八章 模糊综合评价理论与方法　 148

8.1　模糊集的基本概念　 149

8.2　模糊集的表示方法　 150

8.3　模糊集的运算　 152

8.4　模糊映射　 153

8.5　模糊评价函数　 154

8.6.1　模糊乘加综合评价方法　 155

8.6　模糊综合评价方法　 155

8.6.2　模糊贴近度综合评价方法　 160

8.6.3　遗传加权模糊综合评价方法　 161

8.7　本章小结　 168

第九章 智能算法在资源环境系统优化中的应用　 170

9.1 智能算法在流域水文模型参数优选中的应用　 170

9.1.1 新安江流域模型　 171

9.1.2　三水源新安江模型结构　 172

9.1.3　参数调试方法　 176

9.1.4　大坳、潭口流域新安江模型　 177

9.1.5　九种智能优化算法计算结果　 178

9.1.6　本节小结　 182

9.2 自适应加速遗传算法在水位流量关系拟合中的应用　 183

9.3 用格雷码加速遗传算法确定河流横向扩散系数　 186

9.4　本章小结　 187

第十章 智能算法在资源环境系统评价中的应用　 189

10.1 多属性评价概述　 190

10.2 智能算法在黄河流域水资源可再生能力综合评价中的应用　 192

10.2.1 水资源可再生性综合评价理论框架　 192

10.2.2　权重模型　 194

10.2.3 遗传投影寻踪倒S型评价模型　 196

10.2.4　遗传投影寻踪插值模型　 202

10.2.5 多目标理想区间模型　 206

10.2.6　RBF网络评价模型　 212

10.2.7　物元模型　 214

10.2.8　结论　 217

10.3　黄河流域水质恢复能力综合评价的GPPM　 218

10.3.1 计算技术　 219

10.3.2　黄河流域水质恢复能力综合评价　 220

10.3.3　结论　 223

10.4　水资源潜力综合评价的GPPM　 223

10.4.2　水资源潜力综合评价　 224

10.4.1　计算技术　 224

10.5 区域水资源开发利用程度综合评价的GPPIM　 226

10.5.1 计算技术　 227

10.5.2 区域水资源开发利用程度综合评价　 227

10.6　水质综合评价的GPPIM　 231

10.6.1 计算技术　 231

10.6.2　水质综合评价　 231

10.7 区域水资源承载能力综合评价的GPPIM　 234

10.7.1 计算技术　 235

10.7.2 区域水资源承载能力综合评价　 235

10.8.1 遗传理想区间模型　 238

10.8 遗传理想区间模型在城市环境质量综合评价中的应用　 238

10.8.2　城市环境质量综合评价　 241

10.9　RBF神经网络模型在大气环境质量综合评价中的应用　 242

10.9.1 计算技术　 242

10.9.2　大气环境质量综合评价　 243

10.10　本章小结　 246

第十一章 智能算法在资源环境系统预测中的应用　 249

11.1　RBF神经网络模型在黄河流域年径流预测中的应用　 249

11.1.1　计算技术　 250

11.1.2 黄河流域年径流预测　 251

11.2.1　海温预测　 255

11.2　RBF神经网络模型在海温预测中的应用　 255

11.2.2　结论　 257

11.3　遗传门限自回归模型在海洋冰情预测中的应用　 257

11.3.1 遗传门限自回归模型　 258

11.3.2　海洋冰情预测　 260

11.4　本章小结　 263

附录Ⅰ 各算法中英文对照表　 265

附录Ⅱ 常用实验函数　 266

附录Ⅲ 二进制码与格雷码对照表　 269