论文部分内容阅读
气象学中存在大量的复杂参数优化问题,特别是模式、公式中的参数优化问题,往往具有多个相互冲突的目标。多目标进化算法(Multi-objective Evolutionary Algorithms, MOEAs)作为一种群体搜索算法,十分适合求解此类优化问题。因此本文针对气象学中的复杂参数优化问题,深入研究,设计出两种基于协同进化的多目标进化算法,并以暴雨强度公式参数优化问题为例,将它们应用于气象学参数优化问题中,为将来进一步求解更复杂的气象学参数优化问题进行了有益和必要的探索。具体而言,本文的主要工作有以下三个方面：1.针对目前MOEAs的研究热点及经典多目标算法NSGA-Ⅱ存在的问题进行了探索研究。首先应用经典多目标进化算法NSGA-Ⅱ求解标准测试函数,发现算法存在种群缺乏多样性及后期搜索存在盲目性的问题。然后结合目前MOEAs的研究热点,进行了讨论,并针对这些问题提出了解决方案。2.对提出的两种混合多目标算法进行了详细的介绍,并针对MOEAs的研究目标及热点,运用多个标准测试函数,在多个指标上与经典多目标算法NSGA-Ⅱ及一种较新的算法OMOPSO进行了对比验证,实验结果表明这两种进化算法思想的有效性及性能的优越性,为多目标进化计算提供了新的思路,推进了进化多目标优化的研究。3.针对气象学参数优化问题,本文以暴雨强度公式参数优化为例,将文中提出的两种混合多目标进化算法应用到暴雨强度公式参数优化中。实验结果表明,文中提出的两种多目标进化算法可行,且获得的大部分结果都优于文献中给出的结果,进而表明这两种算法可以作为将来求解更复杂的气象学参数优化问题的一种可供借鉴的方法。以上工作不仅丰富了MOEAs的研究,还进一步扩展其应用领域,更重要的是以暴雨强度公式参数优化为例,说明本文算法为气象学参数优化提供了一种可借鉴的方法,为气象与计算机结合提供了一个范例,有助于推动优化算法在气象研究中更多的应用。