国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用)

這篇具有很好參考價(jià)值的文章主要介紹了數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用)。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

動態(tài)規(guī)劃模型的要素是對問題解決的抽象,其可分為:

階段。指對問題進(jìn)行解決的自然劃分。例如:在最短線路問題中,每進(jìn)行走一步的決策就是一個階段。
狀態(tài)。指一個階段開始時的自然狀況。例如:在最短線路問題中,每進(jìn)行走一步后,對所走的點(diǎn)進(jìn)行標(biāo)注。
決策。當(dāng)一個階段的狀態(tài)確定后,作出選擇從而演變到下一階段的某個狀態(tài)的選擇手段稱為決策,在優(yōu)控制問題中也稱為控制。
策略。由決策組成的序列稱為策略。由第k到第j階段的策略可記作

數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用),動態(tài)規(guī)劃,算法

下面以我在建模美賽中的題目實(shí)列來闡述:

背景
美國和加拿大的五大湖是世界上最大的淡水湖群。這五個湖泊和相連的水道構(gòu)成了一個巨大的
流域,其中包含了這兩個國家的許多大城市,氣候和當(dāng)?shù)氐奶鞖鈼l件各不相同。
湖區(qū)的水有多種用途(捕魚、娛樂、發(fā)電、飲用、航運(yùn)、動物和魚類棲息地、建筑、灌溉等)。因
此,各種各樣的利益相關(guān)者都對流入和流出湖泊的水的管理感興趣。特別是,如果從湖泊排出
或蒸發(fā)的水太少,那么可能會發(fā)生洪水,沿岸的家庭和企業(yè)受到影響;如果排水過多,那么大型
船只就無法通過水路運(yùn)送補(bǔ)給,支持當(dāng)?shù)亟?jīng)濟(jì)。主要問題是調(diào)節(jié)水位,使所有利益相關(guān)者都能
受益。
每個湖泊的水位是由進(jìn)出湖泊的水量決定的。這些水位是溫度、風(fēng)、潮汐、降水、蒸發(fā)、測深
(湖底形狀)、河流流量和徑流、水庫政策、季節(jié)周期和長期氣候變化等復(fù)雜相互作用的結(jié)果。在
五大湖系統(tǒng)的水流中有兩種主要的控制機(jī)制:蘇河水閘補(bǔ)償工程?,旣?三個水力發(fā)電廠,五個航
行船閘和一個在激流頂端的閘門大壩)和康沃爾的摩西-桑德斯大壩,如附錄所示。
雖然這兩座控制水壩、許多渠道和運(yùn)河以及流域水庫可能是由人類控制的,但降雨、蒸發(fā)、侵
蝕、冰塞和其他水流現(xiàn)象的速率是人類無法控制的。地方政府的政策可能會產(chǎn)生與預(yù)期不同的
影響,流域的季節(jié)和環(huán)境變化也可能會產(chǎn)生不同的影響。這些變化反過來又會影響該地區(qū)的生
態(tài)系統(tǒng),從而影響湖泊內(nèi)外動植物的健康以及生活在水盆中的居民。盡管五大湖似乎有一個規(guī)
律的年度模式,但水位從正常水平的 2 到 3 英尺的變化會極大地影響一些利益相關(guān)者。
這種動態(tài)的網(wǎng)絡(luò)流量問題是“邪惡的”——由于相互依賴、復(fù)雜的要求和固有的不確定性,解
決起來異常具有挑戰(zhàn)性。對于湖泊的問題,我們有不斷變化的動態(tài)和利益相關(guān)者的利益沖突。
有關(guān)附加信息,請參閱問題 D 附錄
國際聯(lián)合委員會(IJC)請求貴公司國際網(wǎng)絡(luò)控制建模師(icm)提供支持,協(xié)助管理和建模直接影響
五大湖水網(wǎng)水位的控制機(jī)制(附錄中所示的兩座水壩-補(bǔ)償工程和摩西-桑德斯大壩)。你的 ICM
主管已經(jīng)讓你的團(tuán)隊(duì)領(lǐng)導(dǎo)開發(fā)模型和實(shí)施模型的管理計(jì)劃。你的導(dǎo)師指出,有幾個考慮因素可
能有助于實(shí)現(xiàn)這一目標(biāo),首先是為五大湖建立一個網(wǎng)絡(luò)模型,并將從蘇必利爾湖到大西洋的河
流連接起來。你的導(dǎo)師提到的其他一些可選的考慮因素或問題是:
?考慮到各個利益相關(guān)者的愿望(每個利益相關(guān)者的成本和收益可能不同),確定五大湖區(qū)在一
年中任何時候的最佳水位。
?根據(jù)五大湖的流入和流出數(shù)據(jù),建立算法以維持五大湖的最佳水位。
?了解您的控制算法對兩個控制壩的流出的敏感性??紤]到 2017 年的數(shù)據(jù),對于各利益相
關(guān)者來說,你的新控制方法是否會使當(dāng)年的實(shí)際記錄水位令人滿意或更好?
?你們的算法對環(huán)境條件(例如,降水、冬季積雪、冰塞)的變化有多敏感?
?將您的廣泛分析集中在影響安大略湖的利益相關(guān)者和因素上,因?yàn)樽罱鼘υ摵乃还?
理有更多的關(guān)注。
在第二問中需要找到算法來維持最佳水位,這本身就是動態(tài)規(guī)劃問題。

前面第一問得到了五大湖的最佳水位,第二問的核心是波動情況下,近可能地使得五大湖的最佳水位波動盡可能小。

采用之前構(gòu)建的網(wǎng)絡(luò)流模型來模擬五大湖及其連接河流的水位和流量:節(jié)點(diǎn)定義:將每個湖泊和與其直接相連的河流定義為網(wǎng)絡(luò)中的一個節(jié)點(diǎn)。邊定義:根據(jù)水流方向,定義從一個節(jié)點(diǎn)到另一個節(jié)點(diǎn)的邊。

流量和水位數(shù)據(jù)準(zhǔn)備:使用提供的平均水位和流量數(shù)據(jù)來設(shè)定節(jié)點(diǎn)屬性和邊的容量運(yùn)用網(wǎng)絡(luò)流算法來模擬水流動態(tài),并應(yīng)用目標(biāo)優(yōu)化方法尋找維持最佳水位的策略。不過我們只考慮河流影響因素,其它外部因素不考慮在內(nèi)。

?文章來源地址http://www.zghlxwxcb.cn/news/detail-839091.html

一、算法實(shí)現(xiàn):

制定算法:遺傳算法(GA):使用遺傳算法等啟發(fā)式算法求解優(yōu)化問題,找到維持最優(yōu)水位的控制策略。通過湖泊的流入和流出數(shù)據(jù)來維持五大湖的最佳水位。

解釋:

遺傳算法(Genetic Algorithm,簡稱GA)起源于對生物系統(tǒng)所進(jìn)行的計(jì)算機(jī)模擬研究,是一種隨機(jī)全局搜索優(yōu)化方法,它模擬了自然選擇和遺傳中發(fā)生的復(fù)制、交叉(crossover)和變異(mutation)等現(xiàn)象,從任一初始種群(Population)出發(fā),通過隨機(jī)選擇、交叉和變異操作,產(chǎn)生一群更適合環(huán)境的個體,使群體進(jìn)化到搜索空間中越來越好的區(qū)域,這樣一代一代不斷繁衍進(jìn)化,最后收斂到一群最適應(yīng)環(huán)境的個體(Individual),從而求得問題的優(yōu)質(zhì)解。

步驟如下:

在動態(tài)流模型中如果當(dāng)前水位低于目標(biāo)水位,減少流出量;反之增加流出量。不同的是遺傳算法在本基礎(chǔ)上加上往年同月或同季節(jié)中的河流量變化值作為參考,在該動態(tài)網(wǎng)絡(luò)流模型中的再次進(jìn)行相應(yīng)的河流流量調(diào)整從而得到最后相對更加準(zhǔn)確的結(jié)果。

?

?

采用簡單遺傳算法:

SGA=(C,E,P_0, M,D, H,S,T)

C?表示個體的編碼方案

E?表示個體適應(yīng)度評價(jià)函數(shù)

P_0?表示初始種群

M?表示種群

D表示選擇算子

H表示交叉算子

S表示變異算子

T?表示遺傳算法終止條件

遺傳算法使用以下遺傳算子:

從舊群體中以一定概率選擇優(yōu)良個體組成新的種群,以繁殖得到下一代個體。個體被選中的概率跟適應(yīng)度值有關(guān),個體適應(yīng)度值越高,被選中的概率越大,根據(jù)該思想,建立河流流量概率相關(guān)值:

數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用),動態(tài)規(guī)劃,算法

fi為本遺傳值,疊加之后為累次遺傳。

在此之后,再進(jìn)行指數(shù)尺度變換:

數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用),動態(tài)規(guī)劃,算法

得到每個湖的在不同遺傳系中的適配分部數(shù)據(jù)的熱力圖:

數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用),動態(tài)規(guī)劃,算法

?

再通過動態(tài)網(wǎng)絡(luò)流模型得到湖泊之間連接的河流流量的調(diào)整值:

圣瑪麗河:2178.23

圣克萊爾河:5739.34

底特律河:5991.12

尼亞加拉河:6023.77

?

到了這里,關(guān)于數(shù)學(xué)建模-動態(tài)規(guī)劃&遺傳算法(美賽運(yùn)用)的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 數(shù)學(xué)建模學(xué)習(xí)(10):遺傳算法

    數(shù)學(xué)建模學(xué)習(xí)(10):遺傳算法

    遺傳算法簡介 ? 遺傳算法(Genetic Algorithms)是基于生物進(jìn)化理論的原理發(fā)展起來的一種廣為 應(yīng)用的、高效的隨機(jī)搜索與優(yōu)化的方法。其主要特點(diǎn)是群體搜索策略和群體中個體之 間的信息交換,搜索不依賴于梯度信息。它是20世紀(jì)70年代初期由美國密執(zhí)根 (Michigan)大學(xué)的霍

    2024年02月13日
    瀏覽(29)
  • 數(shù)學(xué)建模(二):遺傳算法(GA)

    數(shù)學(xué)建模(二):遺傳算法(GA)

    1、 算法簡介 計(jì)算智能(Computational Intelligence,CI)方法主要包括: 神經(jīng)網(wǎng)絡(luò)(Neural Network,NN); 模糊邏輯(Fuzzy Logic,FL); 遺傳算法 (Genetic Algorithm,GA); 蟻群優(yōu)化算法(Ant Colony Optimization,ACO); 粒子群優(yōu)化算法(Particle Swarm Op); 免疫算法(Immune Algorithm,IA); 分布估計(jì)算

    2024年02月02日
    瀏覽(27)
  • 數(shù)學(xué)建?!z傳算法步驟及程序詳解

    數(shù)學(xué)建模——遺傳算法步驟及程序詳解

    遺傳算法是一種基于生物染色體遺傳時發(fā)生交叉、變異的原理,是一種通過模擬自然進(jìn)化過程,對解集進(jìn)行優(yōu)化更新的算法,屬于優(yōu)化算法的一種。 ??遺傳算法是基于生物染色體遺傳時發(fā)生的原理,那么就要先了解一下生物學(xué)關(guān)于遺傳的基本原理。假設(shè)種群為P(t),下一代種

    2024年02月06日
    瀏覽(89)
  • 【數(shù)學(xué)建?!俊秾?shí)戰(zhàn)數(shù)學(xué)建模:例題與講解》第十四講-模擬退火、遺傳算法(含Matlab代碼)

    【數(shù)學(xué)建?!俊秾?shí)戰(zhàn)數(shù)學(xué)建模:例題與講解》第十四講-模擬退火、遺傳算法(含Matlab代碼)

    本系列側(cè)重于例題實(shí)戰(zhàn)與講解,希望能夠在例題中理解相應(yīng)技巧。文章開頭相關(guān)基礎(chǔ)知識只是進(jìn)行簡單回顧,讀者可以搭配課本或其他博客了解相應(yīng)章節(jié),然后進(jìn)入本文正文例題實(shí)戰(zhàn),效果更佳。 如果這篇文章對你有幫助,歡迎點(diǎn)贊與收藏~ 現(xiàn)代優(yōu)化算法,自20世紀(jì)80年代初開

    2024年02月04日
    瀏覽(24)
  • 模擬退火算法與遺傳算法求解多目標(biāo)優(yōu)化問題的算法實(shí)現(xiàn)(數(shù)學(xué)建模)

    模擬退火算法與遺傳算法求解多目標(biāo)優(yōu)化問題的算法實(shí)現(xiàn)(數(shù)學(xué)建模)

    模擬退火算法是一種全局優(yōu)化算法,解決的問題通常是找到一個最小化(或最大化)某個函數(shù)的全局最優(yōu)解。它通過模擬物理退火的過程來搜索解空間,在開始時以一定的溫度隨機(jī)生成初始解,然后一步步降低溫度,同時在當(dāng)前解的周圍隨機(jī)搜索新的解,并根據(jù)一定概率接受

    2024年02月02日
    瀏覽(27)
  • 數(shù)學(xué)建模__動態(tài)規(guī)劃

    數(shù)學(xué)建模__動態(tài)規(guī)劃

    動態(tài)規(guī)劃就是,將任務(wù)每一步均記錄下來,以便將來重復(fù)使用時能夠直接調(diào)用 問題描述:給定n個物品,每個物品的重量是Wi,價(jià)值是Vi,但是背包最多能裝下capacity重量的物品,問我們?nèi)绾芜x擇才能利益最大化。 這里涉及到建模過程,本文章主要講解代碼實(shí)現(xiàn),建模過程較為簡

    2024年02月07日
    瀏覽(21)
  • 【數(shù)學(xué)建模美賽 | 國賽必學(xué)模型算法精講】層次分析法——模型原理及Matlab+Python雙語言代碼演示

    【數(shù)學(xué)建模美賽 | 國賽必學(xué)模型算法精講】層次分析法——模型原理及Matlab+Python雙語言代碼演示

    層次分析法 是 評價(jià)決策類 中一個比較常用的方法,很多留意美賽賽題的小伙伴們就會發(fā)現(xiàn),在美賽EF類題目的歷年O獎?wù)撐闹?,層次分析法出現(xiàn)的概率是非常高的。層次分析法呢一般是針對評價(jià)決策類的題目,讓我們評價(jià)或選擇一個可能更好、更優(yōu)的政策及方案,那這樣呢,

    2024年01月25日
    瀏覽(21)
  • 數(shù)學(xué)建模美賽(模型積累2)

    看這個,寫的很詳細(xì)(??????)?? DBSCAN聚類:基于密度的方法的特點(diǎn)是不依賴于距離,而是依賴于密度,從而克服基于距離的算法只能發(fā)現(xiàn)“球形”聚簇的缺點(diǎn) 爬蟲入門教程:【Python+爬蟲】爆肝兩個月!拜托三連了!這絕對是全B站最用心(沒有之一) (這個up講課很可

    2024年02月19日
    瀏覽(25)
  • Matlab實(shí)現(xiàn) 遺傳算法 無向圖結(jié)點(diǎn)分成兩類使得兩類間邊數(shù)最少 數(shù)學(xué)建模作業(yè)

    Matlab實(shí)現(xiàn) 遺傳算法 無向圖結(jié)點(diǎn)分成兩類使得兩類間邊數(shù)最少 數(shù)學(xué)建模作業(yè)

    輸入:一個圖的鄰接矩陣G,n1,n2?(舉例n1=16,n2=1) 輸出:節(jié)點(diǎn)的分類id(第一類為0,第二類為1,0的個數(shù)為n1個, 1的個數(shù)為n2個) 目標(biāo):使得兩類之間的邊數(shù)最少 算法:遺傳算法 目錄 步驟1:初始化種群,種群個數(shù),隨機(jī)生成初始種群 步驟2:交叉算子 步驟3:突變算子 步驟

    2024年02月11日
    瀏覽(44)
  • 【數(shù)學(xué)建模美賽】【LaTeX】論文模板

    【數(shù)學(xué)建模美賽】【LaTeX】論文模板

    在數(shù)學(xué)建模競賽中,往往論文的版面與美觀占一定的分?jǐn)?shù),而大多數(shù)都利用word排版,因?yàn)閣ord排版簡單方便,但在最后轉(zhuǎn)pdf時會出現(xiàn)版面的錯亂情況,所以這會影響最終的成績。因此我們可以采用LaTeX進(jìn)行論文的排版,使論文的版面更加自然。LaTeX排版需要一定的編程基礎(chǔ),這

    2024年02月11日
    瀏覽(15)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包