孫友樂

【摘要】隨著我國經(jīng)濟發(fā)展水平的不斷提高，解決非線性問題的方法日趨多樣，混沌優(yōu)化方法是一種最新的非線性問題的解決方法，本文將對混沌優(yōu)化方法的理論與優(yōu)化特點進行介紹，提出優(yōu)化過程中存在的一些問題，對該方法未來發(fā)展?jié)摿εc方向進行展望。

【關鍵詞】混沌優(yōu)化；水文資源；理論與原理

優(yōu)化原理從客觀事物中產(chǎn)生，是事物發(fā)展的普遍原理，通常為事物結(jié)構、組織以及功能自我優(yōu)化或者演化，從中加入了很多人為因素，這種優(yōu)化方法以數(shù)學為根基，通過求解與計算將實際問題解決，是一種集分析與應用的綜合手段。在計算機技術不斷發(fā)展與廣泛應用下，如何對某項事物進行優(yōu)化，使優(yōu)化范圍變廣成為人們思考的問題。

1、混沌優(yōu)化算法的理論基礎

混沌優(yōu)化算法顯著特征為隨機性，從不確定的系統(tǒng)中產(chǎn)生的不具有規(guī)則性的現(xiàn)象，還具有無序統(tǒng)一、隨機性統(tǒng)一等特征。早在上個世紀60年代，混沌學研究開始產(chǎn)生與發(fā)展，涉及到化學、生態(tài)學、經(jīng)濟學、社會學等人文、自然領域，不斷演化為一種新型學科?？梢詫⑻卣鳉w納為：偽隨機性，是隨機變量無序分布的結(jié)果，使變量變得更加雜亂；遍歷性，可以不發(fā)生重復與交疊的在固定范圍內(nèi)表現(xiàn)出諸多狀態(tài)；規(guī)律性，混沌由不確定性迭代產(chǎn)生，介于隨機與確定性之間的狀態(tài)，具有較為豐富的時空變化，演化過程中會使引子出現(xiàn)轉(zhuǎn)移。

隨著混沌動力學的產(chǎn)生與發(fā)展，非線性多峰優(yōu)化中開始引入并應用混沌學，這種解決問題的方式引起人們關注。為了將算法中的不足彌補，很多學者在解決復雜問題時應用混沌動力學，將這種優(yōu)化算法成為混沌優(yōu)化算法。鑒于混沌存在的遍歷性特征，優(yōu)化搜索將隨機搜索的不足彌補了，彌補了隨機搜索范圍小的問題，相比隨機搜索更加具有優(yōu)勢。此外，混沌優(yōu)化不需要過多的系統(tǒng)知識的輔助，對目標函數(shù)無連續(xù)性要求，非線性特點顯著。由此，使用混沌優(yōu)化搜索是一種優(yōu)化技術。

2、混沌優(yōu)化算法原理

混沌優(yōu)化算法理論與思想為將混沌引入到優(yōu)化變量內(nèi)，隨著遍歷范圍的擴大可達到優(yōu)化變量的取值范圍，再應用混沌變量搜索?？煞忠韵聨讉€階段：確定性迭代方程下產(chǎn)生的遍歷性軌道，在軌道中考察整個優(yōu)化解空間，只要符合其中一個終止條件，就將這一點作為搜索的最優(yōu)點或者接近點，同時將這一點作為第二階段搜索的起點。第二階段將上一階段作為中心點，通過小幅度干擾可依據(jù)局部細節(jié)自動搜索，滿足了算法以后終止。其中，附加的繞動可以當成是混沌變量，也可以作為一種隨機變量，依據(jù)梯度下降趨勢對偏置值進行計算。

3、混沌優(yōu)化算法在水文資源中的應用

3.1 混合混沌優(yōu)化方法

3.1.1 存在的問題

常規(guī)優(yōu)化方法存在諸多不足，而使用完全混沌的優(yōu)化方法則可以彌補這些不足，但如果搜索空間增大，將使搜索的精度與速度降低，基于這一問題，很多研究人員將混沌搜索與優(yōu)化機制相結(jié)合，從而得到混合類型的混沌優(yōu)化算法?；旌匣煦绮粌H能夠減少局部搜索的不足，還能將收斂速度與效率提高，由此，在水文水資源分析中應用混沌優(yōu)化作用機制優(yōu)于其他方法。我國將混沌優(yōu)化算法應用在水文水資源中尚處于起步階段，很多水文現(xiàn)象具有混沌特征并且可以預見，也體現(xiàn)了其強大的應用潛力。在應用過程中存在以下問題：

搜索起點不適合或遍歷區(qū)域過大且參數(shù)控制不當時，混沌優(yōu)化搜索結(jié)果很難達到精確標準，不能接近最優(yōu)解。由此，水文水資源搜索過程中選擇好搜索起點與終點尤為重要，需要盡量將搜索空間縮小，設計好搜索方式，選擇適合的參數(shù)控制策略。此外，混沌優(yōu)化發(fā)展較慢，依據(jù)的研究理論較少，研究范圍窄，很多非線性函數(shù)問題、組合問題研究是重點，混沌優(yōu)化的優(yōu)化未能充分發(fā)揮，在研究領域上需要進一步擴充與探討；最后，水文水資源系統(tǒng)較為龐大且復雜，混沌特征依然明顯，但鑒于水文水資源研究剛開始起步，如何將混沌優(yōu)化理論更好的應用在水文水資源領域，是混沌優(yōu)化理論發(fā)展面臨的關鍵問題。

當前，常使用智能優(yōu)化算法，通過生物系統(tǒng)敏感性將實際問題解決，比如，人工免疫優(yōu)化算法、模擬退火優(yōu)化算法以及禁忌搜索優(yōu)化算法、蟻群優(yōu)化算法、粒子群優(yōu)化算法等，均是自然界生物系統(tǒng)行為模仿而產(chǎn)生的算法，更是一種仿真智能算法，在水分水資源中得到了廣泛應用。

3.1.2 應用實例

2006年，有學者基于人工神經(jīng)網(wǎng)絡擬合函數(shù)原理建立了農(nóng)業(yè)干旱程度評估模型，通過農(nóng)業(yè)干旱程度函數(shù)擬合，對農(nóng)業(yè)干旱概率進行研究與分析，在網(wǎng)絡選擇上將梯度下降法與混沌算法相結(jié)合，可起到快速收斂以及縮小全局極小點的特點。2007年，有學者提出了變尺度混沌遺傳算法，應用在復雜的河流水質(zhì)模型參數(shù)優(yōu)化中；2008年，梯級水電站水庫調(diào)度問題進行的優(yōu)化調(diào)度應用了變尺度混沌優(yōu)化算法，在復雜約束條件下解決了水電站水庫優(yōu)化調(diào)度問題。

3.2 混沌優(yōu)化算法未來發(fā)展前景

近年來，混沌優(yōu)化算法已經(jīng)成為應用及其廣泛且有效的優(yōu)化工具，受到越來越多學者的關注與認可，尤其是在2007年以來，混沌優(yōu)化研究興起，為混沌優(yōu)化方法注入了新的活力。將混沌優(yōu)化算法應用在水文水資源領域可使水文水資源評估與優(yōu)化調(diào)度更加專業(yè)、科學。

結(jié)束語：本文主要對水文水資源中混沌優(yōu)化算法的特點、原理、存在的問題等進行了分析，描述了其在水文水資源中的應用過程與特點，解決了水文水資源分析與評估中存在的諸多問題，使水電站水庫調(diào)度得到優(yōu)化。

參考文獻：

[1]袁小芳，王耀南.基于混沌優(yōu)化算法的支持向量機參數(shù)選取方法[J].控制與決策，2010，21（1）：111-113，117.

[2]賈仁甫，陳守倫，梁偉等.基于混沌優(yōu)化算法的混聯(lián)水電站群長期優(yōu)化調(diào)度[J].水利學報，2010，39（9）：1131-1135.

[3]石鴻雁，孫昌志.一種基于混沌優(yōu)化算法的機器人路徑規(guī)劃方法[J].機器人，2010，27（2）：152-157.

[4]黃顯峰，邵東國，顧文權等.基于多目標混沌優(yōu)化算法的水資源配置研究[J].水利學報，2010，39（2）：183-188.