吴睿奇，朱国荣，王 佩

(南京大学地球科学与工程学院，江苏 南京 210093)

双种群进化粒子群算法求解地下水管理模型

吴睿奇，朱国荣，王 佩

(南京大学地球科学与工程学院，江苏 南京 210093)

为避免粒子群算法(PSO)早熟的缺点，设计了一种双种群进化粒子群算法(DE-PSO)。DE-PSO是基于PSO，引入选择、交叉及差分变异操作，并结合合理有效的粒子评价方法及越界处理方法之后形成的。将DE-PSO应用于两个地下水管理模型算例，第一个算例DE-PSO解的总抽水量分别比遗传算法(GA)、模拟退火算法(SA)和PSO减少了64、256、207 m3/d，第二个算例DE-PSO解的总治理成本分别比GA、SA和PSO减少了57.74、151.93、76.59万元。两个算例中DE-PSO都表现出稳定的进化趋势，寻优效率好于GA、SA和PSO，可以有效求解地下水管理模型问题。

地下水管理模型;粒子群算法;双种群;差分变异

0 引言

地下水管理模型是实现地下水科学管理的有力工具(于福荣等，2010)，其实质是寻求以最少的社会经济环境成本(包括安装井、抽水和治理污染等方面)来满足既定管理目标(Wanger，1995)。目前，求解地下水管理模型的方法包括传统优化算法和智能算法。传统优化方法包括线性规划(LP)和非线性规划(NLP)，前者只能求解目标函数和约束条件都是关于决策变量的线性函数的问题，后者要求目标函数和约束条件连续、可导，而且容易陷入局部最优;智能算法包括遗传算法(GA)、模拟退火算法(SA)、禁忌搜索(TS)等，这些智能算法具有启发式寻优特点，已被应用于地下水优化管理中，但由于所有智能算法都基于随机搜索，无法确保获得全局最优解，因此如何提高全局寻优能力仍是这些智能算法的改进方向。……