[发明专利]一种权重动态调整的地质断层参数粒子群优化搜索算法

说明书

本发明公开了一种权重动态调整的地质断层参数粒子群搜索算法，针对利用粒子群优化算法在搜索计算断层参数过程中收敛速度慢且易陷入局部最优等问题，提出根据粒子进化速度和聚集程度适时进行动态调整惯性权重的值，并基于相似度的粒子群优化改进了粒子群算法早期易遗失最优点的缺点，将各粒子群分为三部分，有效提高了地质断层参数最优值搜索计算的收敛效率。本发明的模型结构简单，可操作性强，模拟效果好，可实现收敛速度、收敛精度上均优于常规及现有改进粒子群算法，有效避免了粒子群算法存在的诸多缺点。

技术领域

本发明涉及一种权重动态调整的地质断层参数粒子群搜索算法，针对利用现有粒子群优化算法在搜索计算断层参数过程中收敛速度慢且易陷入局部最优等问题，引入相似度的概念提出了一种权重动态调整的改进粒子群优化算法，有效避免了粒子群算法存在的缺点，提高了地质断层参数最优值搜索计算的准确度。

背景技术

地质断层参数搜索计算过程是一个高度复杂且非线性过程，因此难于用精确的数学模型对其进行描述及获取。近些年来，随着计算智能算法的发展，越来越多的计算智能算法被应用到了断层参数的搜索计算中，其中有蚁群算法、蒙特卡洛算法、模拟退火算法、BP神经网络算法等，但相对于上述算法而言，粒子群算法在断层参数最优值搜索计算中表现出更强的优势，计算复杂度也较其他算法低，搜索速度更快。

粒子群优化算法(PSO)是通过对鸟群捕食行为的研究，提出的一类基于群体智能的随机优化算法。但是传统PSO算法在断层参数最优值搜索计算过程中存在早熟收敛、后期震荡和全局搜索能力与收敛速度矛盾等缺点，许多学者针对这些缺点也提出了多种改进算法，在PSO算法中惯性权重因子是最关键参数也是可进行优化调整的参数，而在传统粒子群算法中惯性权重因子通常被设定为固定值，这显然是不合理的，针对此学者做了相关研究，提出了相应的改进算法，例如，惯性权重线性递减算法(LCD)、惯性权重非线性递减算法、动态改变惯性权重算法、动态改变惯性权重的自适应粒子群算法(DCW)。

综合而言，LCD算法和惯性权重非线性递减算法相较传统固定惯性权重因子的粒子群算法，在断层参数最优值搜索计算中有了很大的改进，使搜索计算的断层参数能尽可能趋近于最优的断层参数，但仍然存在搜索计算收敛过慢的缺点；DCW算法的收敛精度得到提高，收敛速度也明显优于其他几种改进算法，但DCW算法跳出局部搜索的能力和效率不如LCD算法好，DCW算法仍存在断层参数最优解搜索收敛性和全局收敛能力有限的缺点。此外，当PSO算法的粒子群具有同一性时，PSO算法容易陷入局部最优，同时PSO算法存在全局搜索能力与收敛速度的矛盾。

发明内容

本发明的目的是提供一种权重动态调整的地质断层参数粒子群搜索算法，用于解决地质断层参数最优值搜索计算过程中PSO算法存在早熟收敛、后期震荡和全局搜索能力与收敛速度矛盾的缺点，进而得到较优的地质断层参数，为确定地质断层性质、断层面产状以及断层规模等研究提供数据基础。

为了实现上述任务，本发明采用以下技术方案：

一种权重动态调整的地质断层参数粒子群搜索算法，包括以下步骤：

步骤1，设置要搜索计算的每一个地质断层参数的上限和下限，然后在上限和下限的范围内，随机生成n组地质断层参数，以形成种群；

步骤2，计算出所述n组地质断层参数中每一组地质断层参数的整体适应度；

步骤3，确定种群在本次迭代时的当前全局最优断层参数；

步骤4，计算每一组地质断层参数的整体惯性权值，包括：

根据每一组地质断层参数与当前全局最优断层参数的相似度，将所述的n组地质断层参数分成三类，继而确定相似度-迭代惯性权值；根据本次迭代、上次迭代的全局最优位置的整体适应度，以及本次迭代中所有组地质断层参数的整体适应度的平均值，确定进化速度-聚集度动态惯性权值；