王芳芳
- 作品数：2 被引量：20H指数：2
- 供职机构：南京农业大学信息科学技术学院更多>>
- 发文基金：国家自然科学基金江苏高校优势学科建设工程资助项目国家科技支撑计划更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于自主学习和精英群的多子群粒子群算法被引量：6
- 2014年
- 为了提高动态多子群粒子群算法中粒子学习的自主性,提出一种基于自主学习和精英群的粒子群算法.该算法借鉴教育心理学自主学习的理念,用基础群中粒子自主选择学习对象的操作代替子群的重组操作,并通过精英群局部搜索的配合来达到寻优的目的.将所提出的算法应用于6个测试函数,并与动态多子群PSO等算法进行了比较,比较结果表明,新算法在提高收敛速度、精度和寻优时间等方面具有良好的性能。
- 姜海燕王芳芳郭小清庄嘉祥
- 关键词：粒子群优化多样性
- 基于个体优势遗传算法的水稻生育期模型参数优化被引量：15
- 2013年
- 【目的】快速并准确估算作物生育期模型参数。【方法】本文提出了一种新的改进型遗传算法——个体优势遗传算法(individual advantages genetic algorithm,IAGA),并应用于水稻生育期模型参数估算。在遗传算法的基础上引入个体优势算子,并改进了变异算子及种群更新策略。以完全嵌入方式耦合RiceGrow和ORYZA2000水稻生育期模型,实现了模型参数的自动率定。利用汕优63等5个水稻品种在徐州、高要等地的多年田间试验资料,对IAGA算法的有效性进行对比试验。【结果】(1)试验验证结果的RMSE<3.05 d,NRMSE<3.19%,MDA<2.41 d,R2>0.9885,表明利用IAGA获得的模型参数准确性较高。(2)调参的实测数据量大小对调参结果影响不大。由3年数据增加到6年数据,试验拟合结果最大NRMSE值由2.58%增大到3.08%,增加了0.5%。选择隔年并包含全生育期天数最大值与最小值的调参数据,可以获得较准确的模型参数值。(3)IAGA与复合形混合演化算法、遗传模拟退火算法以及标准粒子群算法相比,可获得更准确的模型参数值。【结论】IAGA算法可以实现水稻生育期模型参数的自动率定,为作物生长模型参数的快速准确估算提供了一种有效新方法。
- 庄嘉祥姜海燕刘蕾蕾王芳芳汤亮朱艳曹卫星
- 关键词：水稻参数优化遗传算法ORYZA2000
