[发明专利]一种基于松鼠搜索算法的电阻率溶洞识别方法

权利要求书

1.一种基于松鼠搜索算法的电阻率溶洞识别方法，其特征在于包括以下步骤：

步骤一：建立溶洞土层有限元模型，确定电极方案，利用电阻抗法得到测量点的电势分布数据；

步骤二：构建溶洞结构的目标函数，即优化的目标函数，该目标函数如下：

其中，g(c)为目标函数，||(.)||表示向量的2范数，即c是各单元视电阻率，Su表示测量电势点集合上的数据，是第i组电极方案测量的电势分布数据，是第i组电极方案识别出来的电势分布数据，是s组测量数据组成的矩阵，R(c)是s组识别数据组成的矩阵；

步骤三：利用松鼠搜索算法不断优化目标函数，满足停止准则后，最终可以得到溶洞的识别位置。

2.根据权利要求1所述的基于松鼠搜索算法的电阻率溶洞识别方法，其特征在于：步骤三中利用松鼠搜索算法对目标函数优化的具体过程如下：

S1，随机初始化：假设有n只松鼠(FS)，第i只松鼠的位置可以用向量表示，所有松鼠的位置可用以下矩阵表示：

其中，FS_i.j表示第i只松鼠的第j维数，采用均匀分布分配森林中每只松鼠的初始位置：

FS_i＝FS_L+U(0，1)×(FS_U-FS_L) (3)

其中，FS_L和FS_U分别为第i个松鼠在第j维的下界和上界，U(0,1)为取值范围[0,1]内的均匀分布随机数；

S2，适应度评估：将决策变量(解向量)的值放入用户定义的适应度函数中，计算每只松鼠的位置适应度，并将对应的值存储在如下数组中：

S3，排序、声明和随机选择：在存储每个松鼠的位置的适应度值之后，数组按升序排序；

S4，生成新位置：新位置的数学模型有如下三种情况：

其中d_g为随机滑翔距离，R₁、R₂和R₃为[0,1]范围内的随机数，FS_nt、FS_at和FS_ht分别为到达普通树、橡子树和山核桃树的松鼠位置，t为当前迭代次数，G_c的值为1.9，P_dp的值为0.1；

S5，季节性监测条件：在算法中引入了季节监测条件，避免了算法陷入局部最优解，其建模行为涉及以下步骤：

(i)首先利用式(13)计算季节常数S_c

其中t＝1，2，3；

(ii)检查季节监测情况，即其中S_min为季节常数的最小值，计算公式为：

其中t和t_m分别为当前迭代值和最大迭代值；

(iii)如果季节监测条件为真，则将松鼠随机重新安置；

S6，冬季末随机搬迁；松鼠的迁移是通过下面的方程来表达：

其中，Lévy分布的数学方法如下：

其中μ，γ＞0.γ是尺度参数，μ是转移参数，Lévy飞行模式由下式计算：

Lévy(x)＝0.01×r_a×σ/|r_b|^1/β (16)

其中r_a和r_b为[0,1]中的两个正态分布随机数，在本工作中考虑β常数为1.5，σ计算为：

其中，Γ(x)＝(x-1)！；

S7，停止准则：在最后两个连续结果之间定义一个允许的小阈值，最大迭代次数被认为是停止准则，保存当前最优解，判断是否满足停止准则，满足则输出最优解，否则，重复S2-S6步骤，直到算法结束为止。