排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
层状介质大地电磁的自适应量子遗传反演法 总被引:1,自引:0,他引:1
将量子遗传算法引入到层状介质大地电磁数据的反演, 得到了层状介质的大地电磁量子遗传反演法.数值试验结果发现该算法仍然存在较严重的早熟收敛现象.为此, 将自适应思想引入到量子遗传算法中来, 通过动态调整量子遗传算法的模型搜索空间, 建立了一种新的改进型量子遗传算法——自适应量子遗传算法, 使算法在迭代过程中能自适应地寻找模型最优值.通过典型测试函数和层状介质大地电磁模型数值试验, 结果表明, 改进算法有效压制了常规量子遗传算法的早熟收敛性, 提高了算法的搜索效率和反演效果.采用该算法对实际的大地电磁资料进行了处理, 取得了较好的地质效果. 相似文献
2.
粒子群优化算法(PSO)是模仿鸟群寻找食物的社会行为的一种全局最优化算法,在多维空间函数寻优、动态目标寻优等方面有着收敛速度快、解质量高且需要设置的参数较少等优点.本文在研究常规粒子群优化算法的基础上,对常规的粒子群算法进行了改进,提出了一种新的惯性权重ω参数振荡递减策略,加快了PSO算法的收敛速度,构造的新算法称为阻尼粒子群优化算法.在MATLAB 6.5 编程环境中对阻尼PSO算法进行了数值实验,并对大地电磁测深的理论模型和实测数据进行了反演试算,结果表明,阻尼PSO算法不依赖于初始模型、能够搜索到全局极值,不易陷入局部极值,是一种快速有效的地球物理反演方法. 相似文献
1