[发明专利]一种不确定性地下水修复多目标优化管理方法

摘要

本发明公开了一种不确定性地下水修复多目标优化管理方法，基于精英保留策略的多目标随机禁忌搜索算法PEMOTS，将目标函数随机评价、随机Pareto支配概念和随机小生境适应度共享方法引入到EMOTS种群进化操作中。PEMOTS继承了EMOTS全局搜索的优点，EMOTS采用的精英保留策略，引进拉丁超立方抽样LHS生成邻域解，保证算法求得的非劣解能收敛于真实解，且沿着权衡曲线分布均匀。PEMOTS与同类方法的核心区别在于采用顺序高斯条件模拟SGSIM降低含水系统参数的不确定性，同时引入随机多目标进化操作，降低了搜索Pareto最优解的变异性。将该技术与地下水水流程序MODFLOW和溶质运移程序MT3DMS相耦合，在求解不确定性地下水污染治理多目标管理模型中具有较强的可靠性和鲁棒性。

主权项

1.一种不确定性地下水修复多目标优化管理方法，其特征在于，具体步骤如下：步骤1，建立模拟模型，用于刻画修复场地地下水水头和溶质浓度在时间和空间上的分布；步骤2，确定优化管理目标，建立优化模型；步骤3，采用顺序高斯条件模拟SGSIM生成渗透系数的实现样本集，并针对不同的条件点数对lnK场和模拟模型输出进行不确定分析和风险评估，以降低模型不确定性和选择用于优化模型管理设计的lnK样本集；步骤4，选用PEMOTS优化方法求解多目标管理问题权衡解，具体步骤为：(1)产生初始解及相应的邻域种群：首先，采用随机方式产生一个初始解s0，初始化精英表、候选表和禁忌表，以初始解为基点，基于拉丁超立方抽样LHS产生数目为NTS的邻域种群StNS；(2)目标函数随机评价：采用噪声遗传算法NGA，用步骤3中生成的lnK样本集逐个计算种群StNS中的每个个体的目标函数值，并统计每个个体的目标函数值的期望和方差；依据目标函数值，采用随机Pareto控制排序和随机小生境技术计算个体的Pareto排名和个体拥挤度值；采用个体适应度函数值存档策略记录下首次搜索到的解，重复搜索的解则直接调用函数值库中的解信息；(3)随机多目标进化：①种子解的选择：比较邻域种群StNS与上一代的精英表SEt‑1的Pareto受控性，将StNS中所有非劣解视为候选种子解集S1；将S1加入上一代的候选表SCt‑1中，从S1和SCt‑1的合并解中选择非劣解作为当代候选种子解集S3；最后从S3中选择拥挤距离最大的两个解作为下一代的种子解SSt+1；②更新策略：将邻域种群StNS与上一代的精英表SEt‑1合并，保留非劣解组成当代的精英表SEt，同时将邻域种群StNS中非受控于上一代的精英表SEt‑1的解，加入上一代候选表SCt‑1中，移除候选表中的受控解和当代选择的两个种子解SSt+1，更新为当代候选表SCt；(4)判断是否满足停止标准优化过程中，如果达到了预先设定的最大迭代次数，或者搜索到某一代时候选种子解集为空，同时候选表也为空，则无法找到下一个种子解，无法进入下一个阶段的搜索，停止并输出Pareto最优解集；步骤5，输出优化结果，利用lnK样本集对Pareto最优解进行蒙特卡罗MC分析，检验PEMOTS输出的Pareto最优解集的可靠性。