[发明专利]一种流域水文模型参数确定的新型算法

权利要求书

1.一种流域水文模型参数确定的新型算法，其特征在于，包括初始化，精英搜索和全局设计搜索，具体为以下步骤：

初始化：给定算法所需的参数和数据，具体步骤为：

S1：给定算法的核心参数，包括有分组运算数p，待确定的变量数n和变量的上下边界构成的可行域空间；

所述分组运算数p取值范围为[3，+∞)，默认值为3；

S2：调节算法的其他可选参数，包括有全局操作数p_o，区间收缩因子δ和区间收缩精度δ_ε；

所述全局操作数p_o取值范围为[3，p]，默认值为

所述区间收缩因子δ取值范围为(0，0.5)，默认值为0.3；

所述区间收缩精度δ_ε取值范围为[1，+∞)，默认值为5；

S3：计算关键粒子数，包括精英粒子m_e，全局粒子m_o，全局搜索粒子m_G和精细化搜索粒子m_R：

其中m_e＝3n+3,m_G＝m_op_o,m_R＝m_ep,表示不超过的最大整数；

S4：在所述可行域中生成m_R个均匀分布的初始变量，均为n维向量，选择出其中p个最优的变量，记为x₁，x₂，…，x_p以及一个最差的变量，记为x_w.并记算法的迭代次数为G＝0，记参数∈＝4，s_initial＝0；

精英搜索：局部搜索的过程，具体步骤为：

S5：若所述∈＞6，则记λ＝0.02,l＝2，否则记λ＝0.2,l＝2，如果s_initial＝0，则记l＝3；所述λ和l均为过程参数；

S6：生成精细化搜索粒子m_R个，对于每一个S4中所述x_i(i＝1，2，…，p)的每一个笛卡尔方向j(j＝1，2，…，n)做如下操作,可以得到m_e个点，从而得到m_e个目标函数值，具体的细节如下：

(1)固定点：(x_i+λM_jγ_j),(x_i-λM_jγ_j)；

(2)随机点：(x_i-λM_jr_v)；

(3)特殊点：(2x_w-x_i),(2x_i-x_w)；

所述M_j为h方向上的当前区间长度；得到的新的搜索粒子中，若某一点的某一分量超过可行域范围，则该分量取可行域边界值；γ_j为单位向量，在分量j上取值为1，其他分量上为0，r_v在这n个分量上随机为0或1；

若这3n+3个点的目标函数值优于x_i，则将x_i更新为该点，遍历x_i从1到p可以得到m_R个点；

S7：更新所述细节(1)，x_w为所述S6中所有点中的最坏点；

(2)迭代次数G＝G+1；

(3)最优解即x₁，x₂，…，x_p中的最优变量和其对应的最优目标函数值

全局设计搜索：全局搜索的过程，具体步骤为：

S8：判断算法是否终止：若G＞l，判断当前可行域分量与原始可行域分量之比的最小值是否大于若满足，则算法终止，输出最优变量和它对应的最优目标函数值若不满足，判断

若成立，则令s_initial＝1，若G＞l不成立，则返回所述S5；

S9：第一次区间调整：

将可行域的每一个分量平均分成m_o-1个部分，每一个部分长度为记为k，调整可行域的每一个分量的最小值为x₁，x₂，…，x_p对应分量的最小值减k，最大值为对应分量最大值加k，若超出了初始可行域，则取初始可行域分量值，一个新的可行域范围可以得到；

S10：进行全局搜索，从x₁，x₂，…，x_p中选择p_o个最优点，并对得到的每一个点进行如下的操作：

S101：随机选择一个笛卡尔方向，将该可行域方向构成的区间均分为m_o-1个部分，每一个部分长度为记为k，并在每一个部分上随机选择一个点，给当前最优点一个微小的波动得到一个新的点，波动为kξ，ξ～U(-1，1)，即服从-1到1的均匀分布，从而可以得到m_o个新点，计算每个点的目标函数值，并在这些点中选择最佳点，更新并作为当前最优点；

S102：从剩下的方向中任意选择一个，进行所述S101中的操作，直到选择完每个方向，最终可以得到p_o个最优点，然后更新(1)x₁，x₂，…，x_p，(2)G＝G+1，(3)x₁，x₂，…，x_p中的最优变量和它对应的最优目标函数值

S11：第二次区间调整：

将可行域的每一个分量平均分成m_o-1个部分，每一个部分长度为记为k，调整可行域的每一个分量的最小值为x₁，x₂，…，x_p对应分量的最小值减δ_k，最大值为对应分量最大值加δ_k；δ为区间收缩因子；

S12：再次生成m_G个全局搜索粒子，令s＝1，以如下方式生成m_o个点，9个特殊点和(m_o-9)个随机点：

S121：9个特殊点：

(1)从x₁，x₂，…，x_p中随机选择三个变量计算两个特殊点：和

(2)从x₁，x₂，…，x_p中选出第s个和第(s+1)个变量，如果s+1＞p，则令x_p+1＝x₁，从而计算出4个特殊点和

S122：(m_o-9)个随机点：对x_s的所有分量进行如下操作，得到一个随机点，记为第i个分量对该分量进行操作生成一个随机点：ξ～N(0，1)，即ξ满足正态分布，D_i，E_i分别为该分量下边界和上边界；

如果s≤p_o，则s＝s+1，随后重复上述S121和S122生成m_o个点；

S13：保证m_G个变量均在初始可行域范围内，若某一变量的某一分量超过初始的可行域，则令该分量等于初始可行域该分量的随机值，接下来，计算这个m_G个变量的目标函数值，更新x₁，x₂，…，x_p为这m_G+p，之前x₁，x₂，…，x_p和这个m_G个变量，个变量中最优的p个，最优目标函数记为y₁，若则令∈＝∈+1；

S14：第三次区间调整：

若x₁，x₂，…，x_p的分量没有在当前可行域内，则调整当前可行域的最小值为x₁，x₂，…，x_p对应该分量的最小值减k，最大值为对应分量的最大值加k，若取值超过初始区间，则取初始区间取值后回S5。