申请/专利权人：吉林大学

申请日：2024-01-12

公开（公告）日：2024-03-26

公开（公告）号：CN117574779B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/006;G06N10/60;G06F18/2411;G06F18/243;G06N20/10;G06N20/20;G01N33/18;G06F111/06;G06F111/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明涉及地下水监测技术领域，尤其涉及一种改进量子粒子群的地下水监测网络优化方法。包括：确定水质类别，建立模型并优选地下水监测指标；确定需要优化的各监测点的空间坐标，结合水质类别，构建多目标优化模型与初始粒子群；随机化初始种群中粒子的速度和位置，设定搜索维数与粒子数目，计算粒子的适应度大小；迭代第t次时，计算各粒子迭代后的适应度值，使用较优的适应度值对应的粒子位置作为个体的最优位置，并计算其对应的群体的全局最优位置、吸引点及种群全局最好位置的平均值；将较优的适应度值对应的群体全局最优位置作为当前的全局最优位置，根据其平均值确定种群中每个粒子的新位置;利用当前的种群计算最优解。

主权项：1.一种改进量子粒子群的地下水监测网络优化方法，其特征在于，具体包括如下步骤：S1.获取待研究区域的地下水环境状况信息；S2.对待研究区域的地下水水质进行评价，确定水质类别，建立地下水水质指标优化模型，优选地下水监测指标；S3.确定需要优化的地下水监测网络中各监测点的空间坐标，结合步骤S2确定的水质类别，构建多目标优化模型与初始粒子群；随机化初始种群中粒子的速度和位置，设定搜索维数与粒子数目，计算粒子的适应度大小；S4.在步骤S3建立的初始粒子群迭代第t次时，计算各粒子迭代后的适应度值，与上一次迭代粒子的适应度值比较，使用较优的适应度值对应的粒子位置作为个体的最优位置，并计算其对应的群体的全局最优位置、吸引点及种群全局最好位置的平均值；S5.比较步骤S4中计算的迭代第t次时群体最优位置对应的适应度值与上一次迭代的适应度值，将较优的适应度值对应的群体全局最优位置作为当前的全局最优位置，根据其平均值确定种群中每个粒子的新位置；S6.利用当前的种群计算多目标优化模型的最优解，判断当前最优解是否满足迭代终止条件，若是，终止迭代并输出模型的最优解；若否，继续重复迭代步骤S4~S6；所述多目标优化模型的数学表达式为： ； ； ； ； ； ；其中Xk表示决策空间Ω中的第k个监测网络设计方案，fcost（Xk）是方案Xk下所有地下水监测井的总数量，fmass（Xk）是方案Xk下所有地下水监测井的水质总误差，fmssd（Xk）是方案Xk下所有地下水监测井的总均方距离，Np是潜在监测井的总数，ρi是二元变量，Qt为总监测点水质的平均值，Qp为潜在监测点的水质平均值，（x，y）为监测点i的坐标，要求使式中的三个目标同时最小化；若未选择潜在监测点，ρi中i为0；若选择潜在监测点，ρi中i为1；所述步骤S6中计算多目标优化模型的最优解采用Levy改进的量子粒子群算法求解多目标优化模型；所述Levy改进的量子粒子群算法具体表达式如下： ；式中，x为粒子的位置向量，t为迭代次数，Lλ为Levy飞行的步长，p为吸引点，β为收缩-扩张系数，Mbestt为种群全局最好位置的平均值，u为0到1之间均匀分布的随机数，i为粒子数，j为粒子所在维数。

全文数据：

权利要求：

百度查询： 吉林大学 一种改进量子粒子群的地下水监测网络优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD