针对多目标优化的人工蜂群算法改进及在水文模型参数优化中的应用

Given the current defects that existing in the multi-objective optimization algorithm, this study is to build optimization method that suitable for solving large-scale, multi-objective optimization problem. Aimed at multi-objective optimization problems in science and engineering practice, the study is to research and analyze the Artificial Bee Colony (ABC) algorithm and multi-objective optimization mechanism by using stochastic process theory, and put forward a more comprehensive system of multi-objective optimization theory based on ABC algorithm. Based on the theoretical system to establish a stable and efficient hybrid multi-objective ABC optimization algorithm and design a flexible, configurable multi-objective ABC optimization algorithm application framework that independent of the specific problems. In the high-performance computing environments, to propose a hydrological model parameter optimization method based the application framework and establish comprehensive evaluation mechanism of parameter optimization objects in Hydrological model. This method is to be applied to the SWAT, TOPMODEL Hydrological models in Heihe River Basin for validation and application of the aforementioned mechanisms, methods and techniques. The study can be more effective, more flexibility to deal with the actual large-scale multi-objective optimization problem, and has great significance for improving the system efficiency and promoting the reasonable utilization of resources. The application research in Heihe River Basin can significantly improve the simulation precision and parameter optimization convergence rate of Hydrological model, and provide important methods and techniques for hydrological model and water resources management decision in the arid inland river basin.

鉴于目前多目标优化算法中存在的缺陷，为构建适合求解大规模、多目标问题的优化方法，本研究针对科学与工程实践中的多目标优化问题，利用随机过程理论对人工蜂群算法和多目标优化机理进行研究分析，提出一套较为完备的基于人工蜂群的多目标优化理论体系，基于该理论体系建立稳定高效的混合多目标人工蜂群智能优化算法，设计出一个灵活可配置、可独立于具体问题的多目标人工蜂群算法优化应用框架，在高性能计算环境下形成基于应用框架的水文模型参数优化方法，建立水文模型参数优化目标的综合评估机制，并将此方法应用于黑河流域SWAT、TOPMODEL等水文模型进行验证和应用前述机理、方法和技术。该研究可以更有效、更灵活地处理实际大规模多目标优化问题，对提高系统效率、促进资源合理利用具有重要意义。黑河流域中应用研究可显著提高水文模型模拟精度和参数优化的收敛速度，为干旱区内陆河流域水文模型的和水资源管理决策提供重要的方法与技术。

多目标人工蜂群优化方法中存在的理论性缺乏、应用难度较大等问题限制了该项技术的发展和广泛应用。本项目采用数形结合的方式，结合目标函数图像，用阶段性分析的方法逐步分析出人工蜂群算法的收敛结果和收敛特征，并基于李雅普诺夫稳定性理论进行算法稳定性分析，构建了多目标人工蜂群优化算法的理论基础；针对人工蜂群算法中存在的缺陷，从三方面提出改进办法，分别提出了一种基于劣解突变的混合人工蜂群算法（MHABC）、一种基于最优个体的寻优策略和保优策略的改进ABC算法（ORABC）、一种带搜索因子的全局最优人工蜂群算法；为提高优化算法运行效率，基于并行分层混合模型与Fork/Join框架提出一种在高性能计算环境下的并行人工蜂群算法MPABC，并将其应用到黑河流域水文模型参数优化问题中；针对科学与工程实践中的多目标优化问题，基于理论体系建立稳定高效的混合多目标人工蜂群智能优化算法，提出了一种基于调节因子的多目标人工蜂群算法（RMOABC）；基于多目标进化算法框架（MOEA Framework）设计出了一个灵活可配置、可独立于具体问题的多目标人工蜂群算法优化应用框架；构建出了基于该应用框架的多目标水文模型参数优化方法，并将此方法应用于黑河流域的新安江等水文模型进行验证和应用。该研究成果可以有效、灵活地处理实际多目标优化问题，并且水文模型参数优化方法已被应用到国家自然科学基金的重点研究项目（91125005）中，显著地提高了水文模型模拟精度和参数优化的收敛速度，为干旱区内陆河流域水文模型的和水资源管理决策提供可以借鉴的方法与技术。该项目已发表或录用论文21篇，出版著作1本，获得和申请发明专利2项，获得计算机软件著作权3项，培养了一名博士后出站和9名硕士研究生。