摘要：将一种具有更高收敛速度、更少迭代次数的综合性遗传算法应用于水环境模型参数估值之中，通过与简单遗传算法计算结果的对比验证了新方法的有效性。

关键词：遗传算法 优化 水质模型 参数估值

　　遗传算法(SGA)应用于环境科学领域的研究主要集中在对各种非线性水质模型的参数估计［1］、水质及水污染非线性规划的求解［2］等，但简单的遗传算法在求解中存在不少问题［3］，尤其对类似水质非线性规划等复杂的多变量优化问题则效率并不高，有时并不收敛或者出现“早熟现象”［4］，故提出一种综合性遗传算法(MAGA)。

1　遗传算法和综合遗传算法

　　在利用遗传算法求解问题时，问题的每个可能的解都被编码成一个“染色体”，即若干个体构成了群体(所有可能解)。算法开始时总是随机地产生一些个体(即初始解)，根据预定的 目标函数对每个个体进行评价后得出一个适应度值；基于此适应度值选择个体用来复制下一代，选择操作体现了“适者”生存的原理，“好”的个体被复制，“坏”的则被淘汰；然后选择出来的个体经交叉和变异进行再组合生成新一代，这一群新个体由于继承了上一代的一些优良性状，因而在性能上要优于上一代，这样逐步朝着更优解方向进化5］。基本流程见图1。
　　尽管传统遗传算法可以找到全局最优，但在求解许多实际问题时其收敛速度还不尽人意，且操作参数的选取对结果影响巨大，故许多学者对简单的遗传算法进行了改进^［6、7］，在此提出一种效率较高的综合遗传算法。

……