毛宗波，刀海娅

(云南省水利水电勘测设计研究院，昆明　650021)



基于LBA-PP模型的年径流丰枯分类

毛宗波，刀海娅

(云南省水利水电勘测设计研究院，昆明650021)

年径流分类；蝙蝠算法；投影寻踪模型；参数优化；Lévy飞行策略

1　研究背景

2　LBA-PP分类模型

2.1基于Lévy飞行改进的蝙蝠算法

BA算法灵感来源于自然界蝙蝠利用超声波搜索和捕食猎物的生物学特性而发展起来的全局优化算法。其用于目标函数优化的基本思想是：随机产生分布在搜索空间的蝙蝠个体作为待优化问题的可行解，利用适应度函数值来衡量蝙蝠个体所处空间位置的优劣，将适应度函数和飞行移动过程比喻成“用较优可行解取代较差可行解的更新过程”。BA算法利用超声波来探测、定位和捕食猎物等一系列的行为可分为蝙蝠的速度、位置更新和响度、脉冲速率更新2个过程[14-18]。

fi=fmin+(fmax-fmin)β，

(1)

(2)

(3)

式中：fi为第i只蝙蝠在当前时刻发出的脉冲频率，fi∈[fmin,fmax]；β∈[0,1]是一个随机数；x*为当前群体中最佳蝙蝠所处位置。

从现有最优解集中选择一个解(蝙蝠)，依据式(4)更新该蝙蝠所处的位置，该过程可理解为局部随机搜索过程，产生新解，即

xnew(i)=xold+εAt。

(4)

式中：xold表示从当前最优解集中随机选择一个解；At为当前蝙蝠种群响度的平均值；ε为属于[0,1]的D维随机向量。

蝙蝠i在接近猎物过程中，脉冲响度A(i)和发射速率r(i)可分别按式(5)和式(6)进行更新。

At+1(i)=αAt(i)，

(5)

rt+1(i)=rt(i)[1-exp(-γt)]。

(6)

式中：0<α<1，γ>0，均为常量；A(i)=0时，意味着蝙蝠i刚刚发现一只猎物。在当t→时，At(i)→0，rt(i)→r0(i)。

从上述基本原理可知，BA算法具有较好的收敛性，同时能在一定程度上有效平衡全局搜索和局部搜索的关系。……