混合多目标遗传算法求解地下水污染修复管理模型

为了提高多目标遗传算法Pareto解的局部最优性,本文将快速非支配遗传算法(NSGAII)与一种迭代式的局部搜索算法(Hill Climber with Step,HCS)相结合,开发了一种新的混合多目标遗传算法NSGAII-HCS.利用CONV1和ZDT6两个经典的多目标优化函数对NSGAII-HCS的性能进行测试,与传统的多目标算法NSGAII相比,CONV1得到的Pareto锋面与真实Pareto最优解锋面的平均距离由5.49减小到1.74,ZDT6则由0.16减小到0,表明NSGAII-HCS在保证解多样性的前提下,能使解接近或收敛到真实的Pareto最优解锋面.最后,将NSGAII-HCS与地下水流模拟软件MODFLOW和溶质运移模拟软件MT3DMS相耦合,并应用到一个理想的二维地下水污染修复管理模型中,结果分析表明该方法可为地下水污染治理提供多样的和收敛的Pareto管理策略,是一种稳定可靠的多目标优化方法.     

基于参数不确定性的地下水污染治理多目标管理模型

引入随机Pareto控制排序和随机小生境技术,提出基于参数随机变化的改进小生境Pareto遗传算法,用于求解不确定性条件下地下水污染治理多目标管理模型.同时,利用顺序高斯条件模拟的蒙特卡罗方法,结合不确定性分析和风险评估,分析不同渗透系数条件点数对污染物运移结果不确定性和污染风险评价的影响.最后将该方法应用于一个考虑渗透系数为随机变量的二维地下水污染修复算例中.结果分析表明,该方法可为地下水污染治理提供变异性较小的Pareto管理策略,是一种稳定可靠的多目标随机优化方法.     

基于含水层DNAPL污染修复替代模型的多目标优化研究

基于Kriging方法建立表面活性剂强化修复DNAPL污染含水层的替代模型,与混合多目标算法NSGAII-HCS（Nondominated sortinggenetic algorithm II-Hill climber with step）耦合,实现修复成本最小化和治理效率最大化的多目标优化.以三维非均质承压含水层中PCE污染物的运移与修复过程为例,采用UTCHEM程序模拟表面活性剂强化修复含水层过程.将Kriging替代模型与多相流模型的输出结果进行对比,两种模型得到的含水层中PCE去除效率的平均相对拟合误差为0.80%,相关系数为0.9992,表明Kriging模型可以有效替代多相流模型.进一步将替代模型的Pareto最优解与相应的多相流模型的模拟值进行比较,得到两种模型的平均相对拟合误差仅为0.70%,相关系数达0.9998,表明在多目标优化的迭代求解过程中可以直接调用Kriging替代模型,而无须重复调用多相流模型的大负荷运算,从而为制定表面活性剂强化含水层修复决策提供一种稳定可靠的多目标优化方法.