吴光琼, 方金鑫

(云南省水文水资源局 丽江分局，云南 丽江 674100)



基于SSO-PP模型的滇池流域水质综合评价

吴光琼, 方金鑫

(云南省水文水资源局 丽江分局，云南 丽江 674100)

水质评价；投影寻踪；群居蜘蛛优化算法；群体智能；滇池流域

1 研究背景

2 SSO-PP水质评价模型

2.1 群居蜘蛛优化算法

群居蜘蛛(Social Spider)是一类倾向群居的蜘蛛物种，个体间保持有复杂的协作行为准则，根据雌雄执行多种任务，如捕食、交配、蜘蛛网设计及群体协作等。群居蜘蛛由个体和蜘蛛网络组成，个体分为雄性和雌性2种类别。种群依据个体雌雄分配不同的任务，个体之间通过直接或间接的协作将有用信息通过蜘蛛网络传递给群居中的其他个体，并将此信息编码成振动的强弱在个体间进行协作。振动的强弱可被群居中个体解码成不同的信息，如猎物的大小，相邻个体特征等，而振动的强度取决于蜘蛛的重量和距离。SSO算法在真实模拟群居蜘蛛群体内不同协作行为的基础上，引入新的计算机制，有效避免了目前常规群算法中存在的早熟收敛和局部极值问题[19]。在解决连续变量优化问题时，SSO算法是以迭代的方式不断地寻找最优值，最重个体蜘蛛所处的位置即优化问题的解。

假设整个搜索空间为蜘蛛网络，每个潜在解即为搜索空间中蜘蛛所处的位置。依据雄性和雌性的搜索机制，每个个体分属于2种不同的进化算子，并在群体内模仿不同的协作行为。参考文献[19]中SSO算法步骤可归纳如下。……