Page 97 - 水利学报2025年第56卷第3期
P. 97
Ｓ＝ Ｓ － Ｓ·δ ·［ｌｎ（１ － ５·ｔ?Ｔ） － ｌｎ２］ （７）
ｅ Ｍ Ｍ
式中：Ｔ为算法设置的最大迭代次数；Ｓ为沙漠猫的听觉最大灵敏度；ｔ为当前迭代次数。
Ｍ
当 Ｒ ≤１时，沙漠猫接近并捕获猎物；当 Ｒ ＞１时，沙漠猫则继续搜索不同的空间。ＳＣＳＯ算
ｅ
ｅ
法中沙漠猫的位置更新方式如下 ［１４］ ：
{ ｒ·（Ｘ（ｔ） － ｒａｎｄ（０，１）·Ｘ（ｔ））， Ｒ ＞１
ｅ
ｅ
ａ
Ｘ（ｔ ＋ １） ＝ Ｘ（ｔ） － ｄ·ｃｏｓ（ θ ）·ｒ， Ｒ ≤１ （８）
ｅ
ｅ
式中：ｒ为沙漠猫群中个体的听觉敏感度范围；Ｘ（ｔ）为沙漠猫的当前位置；Ｘ（ｔ）为沙漠猫的最佳候选
ａ
ｅ
位置；θ 是 ０°～３６０°之间的随机角度；ｄ为最佳沙漠猫个体与当前个体位置之间的距离，其计算公式
如下 ［１４］ ：
ｄ ＝ ｒａｎｄ（０，１）·Ｘ （ｔ） － Ｘ（ｔ） （９）
ｂｅｓｔ
式中 Ｘ （ｔ）为沙漠猫个体的最佳位置。
ｂｅｓｔ
沙漠猫捕捉到猎物后，种群内的所有个体都朝向猎物位置移动，虽然这一行为解释了种群的同质
性，但是降低了全局搜索阶段的个体流动性，因此本文采用最优邻域扰动策略，在全局最优更新后执
行进一步的搜索，从而避免算法陷入局部最优 ［２３］ ：
１
ｂｅｓｔ
２
ｂｅｓｔ
Ｘ （ｔ） ＝ { Ｘ （ｔ） ＋ ０ ．５·ｒ·Ｘ （ｔ）， ｒ＜０．５ （１０）
ｂｅｓｔ Ｘ （ｔ）， ｒ ≥０．５
ｂｅｓｔ ２
{ Ｘ （ｔ），ｇ（Ｘ （ｔ））＞ｇ（Ｘ （ｔ））
ｂｅｓｔ
ｂｅｓｔ
ｂｅｓｔ
Ｘ′（ｔ） ＝ Ｘ （ｔ），ｇ（Ｘ （ｔ）） ≤ｇ（Ｘ （ｔ）） （１１）
ｂｅｓｔ
ｂｅｓｔ
ｂｅｓｔ
ｂｅｓｔ
式中：Ｘ′（ｔ）为扰动后产生的新个体位置；ｒ和 ｒ为［０，１］区间内均匀产生的随机数；ｇ（Ｘ）为位置 Ｘ的
ｂｅｓｔ １ ２
适应度，如果扰动后的新位置优于原位置，则替换原位置成为全局最优 Ｘ′（ｔ）；反之，则保留原位置。
ｂｅｓｔ
３．３ ＩＳＣＳＯ－ ＦＬ多目标优化求解流程 采用 ＩＳＣＳＯ算法求解结合 ＦＬ的多目标优化数学模型，实现长
距离输水隧洞检修通风方案的多目标均衡优化，详细的求解流程如图 ３所示。
图 ３ 考虑淡水壳菜腐烂影响的长距离输水隧洞检修通风方案 ＩＳＣＳＯ － ＦＬ多目标优化求解流程
４ ＩＳＣＳＯ － ＦＬ多目标优化方法性能测试
为了验证 ＩＳＣＳＯ － ＦＬ多目标优化方法的可靠性和优越性，采用多目标优化问题中常用的 ４种测试
函数 ＺＤＴ１、ＺＤＴ３、ＤＴＬＺ４和 ＤＴＬＺ７ ［２６］ 开展性能测试，分别从解的质量、解的鲁棒性和计算复杂度三
个方面对比 ＩＳＣＳＯ － ＦＬ多目标优化方法和基于 ＰＯ准则的多目标优化方法的性能。
４．１ 解的质量 ＭＯＰＳＯ和 ＮＳＧＡ － Ⅲ是基于 ＰＯ准则的多目标优化研究中常用的求解算法，其计算结
果是由大量非支配解组成的 Ｐａｒｅｔｏ前沿，结合 ＴＯＰＳＩＳ多准则决策方法 ［２５］ 对 ＭＯＰＳＯ和 ＮＳＧＡ － Ⅲ的非
— ３ ７ ９ —
