利用TS与GA的混合算法(TSGA)求取剩余静校正量

• 作者: 周熙襄 李辉峰 邓飞
• 来源期刊: 石油地球物理勘探
• 关键词: 剩余静校正 非线性问题 遗传算法 禁忌搜索 混合策略
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 经验交流
• 页码范围: 327-332
• 页数: 6页
• 分类号: P61
• 语种: 中文
• DOI: 10.3321/j.issn:1000-7210.2006.03.019

摘要

静校正问题是一个具有多参数、多极值的全局优化问题,当大量未知参数存在时,常规的遗传算法(GA)几乎必然存在早熟收敛现象,很难保证全局收敛.为此,在Glover理论的基础上,本文提出一种GA与TS(禁忌搜索算法)的混合策略--TSGA.通过把TS独有的记忆功能引入到GA进化搜索过程之中,构造了新的重组算子TSR,针对GA爬山能力差和易早熟的缺陷,把TS作为GA的灾变算子TSM,即当GA陷于局部极值时,用TS对GA进行适当规模灾变,这样既保持了GA的已有搜索成果,又可以使GA跳出可能的局部极值陷阱,最终使搜索向全局极值前进.TSGA通过TS算法克服了GA爬山能力差的弱点,综合了GA具有多出发点、TS具有记忆功能和爬山能力强的优点,较好地解决了剩余静校正量求取的复杂非线性问题.模型数据处理结果表明,文中方法具有适应能力强、能快速收敛于大静校正量最优解的优点,是一项实用的求取复杂地形条件下静校正量的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓飞	四川省成都市成都理工大学信息工程学院	2	10	1.0	2.0
2	李辉峰	四川省成都市成都理工大学信息工程学院	1	9	1.0	1.0
3	周熙襄	四川省成都市成都理工大学信息工程学院	1	9	1.0	1.0