地学计算方法/地统计学(第四章变异函数理论模型)

4变异函数结构分析

4.1变异函数理论模型

image-20200518092428204

4.1.1有基态值模型

球状模型
γ ( h ) = { 0 h = 0 C 0 + C ( 3 h 2 a − 1 h 3 2 a 3 ) 0 < h ≤ a C 0 + C h > a \gamma(h)=\left\{\begin{array}{lr} 0 & h=0 \\ C_{0}+C\left(\frac{3 h}{2 a}-\frac{1 h^{3}}{2 a^{3}}\right) & 0<h \leq a \\ C_{0}+C & h>a \end{array}\right. γ(h)=0C0+C(2a3h2a31h3)C0+Ch=00<hah>a
在这里插入图片描述
C 0 , C 0 + C , C , a C_0,C_0+C,C,a C0,C0+C,C,a分别为块金常数、基台值、拱高、变程,其中球状模型是应用最广的模型,一般只用于一维,二维,和三维数据,最适合用在当空间相关性随步长增加而线性递减的情况(即曲线的斜率是线性递减的)。

指数模型
γ ( h ) = { 0 h = 0 C 0 + C ( 1 − e − h a ) h > 0 \gamma(h)=\left\{\begin{array}{ll} 0 & h=0 \\ C_{0}+C\left(1-e^{-\frac{h}{a}}\right) & h>0 \end{array}\right. γ(h)={ 0C0+C(1eah)h=0h>0
image-20200518093425565
C 0 , C 0 + C , C , a C_0,C_0+C,C,a C0,C0+C,C,a分别为块金常数、基台值、拱高、该模型在原点处的切线和基台值相交时的所对应的步长,其中 3 a 3a 3a约等于变程(对应于0.95*基台值)

适合一维或多维数据,由于指数模型在较大步长时也不能等于先验方差(相关系数也不能等于0),因此其变程定义为当变异函数为0.95 σ 2 σ_2 σ2 σ 2 σ_2 σ2为先验方差)所对应的步长

高斯模型
γ ( h ) = { 0 h = 0 C 0 + C ( 1 − e − h 2 a 2 ) h > 0 \gamma(h)=\left\{\begin{array}{ll} 0 & h=0 \\ C_{0}+C\left(1-e^{-\frac{h^2}{a^2}}\right) & h>0 \end{array}\right. γ(h)={ 0C0+C(1ea2h2)h=0h>0
image-20200518094319416
C 0 , C 0 + C , C , 3 a C_0,C_0+C,C,\sqrt{3}a C0,C0+C,C,3 a分别为块金常数、基台值、拱高、约为变程,适合一维或多维数据,因此其变程定义为当变异函数为0.95 σ 2 σ_2 σ2 σ 2 σ_2 σ2为先验方差)所对应的步长一般适用于当数据在短距离内呈现高度连续性的情况

三种常用模型比较

在这里插入图片描述
对于球状模型与指数模型来说,插值结果表面比较粗糙,而对于高斯模型来说,插值结果较为平滑,是因为高斯模型的空间相关性随步长先增加后降低,连续性较强。

线性有基态值模型
γ ( h ) = { 0 h = 0 C 0 + A h 0 < h < a C 0 + C h = a \gamma(h)=\left\{\begin{array}{lc} 0 & h=0 \\ C_{0}+A h & 0<h<a \\ C_{0}+C & h=a \end{array}\right. γ(h)=0C0+AhC0+Ch=00<h<ah=a
在这里插入图片描述
C 0 , C 0 + C , C , A C_0,C_0+C,C,A C0,C0+C,C,A分别为块金常数、基台值、拱高、斜率

纯块金效应模型
γ ( h ) = { 0 h = 0 C 0 h > 0 \gamma(h)=\left\{\begin{array}{ll} 0 & h=0 \\ C_{0} & h>0 \end{array}\right. γ(h)={ 0C0h=0h>0
在这里插入图片描述

4.1.2无基态值模型

线性无基态值模型
γ ( h ) = { 0 h = 0 C 0 + A h h > 0 \gamma(h)=\left\{\begin{array}{ll} 0 & h=0 \\ C_{0}+Ah & h>0 \end{array}\right. γ(h)={ 0C0+Ahh=0h>0
在这里插入图片描述
幂函数值模型
γ ( h ) = A h θ   1 < θ < 2 \gamma(h)=Ah^{\theta} \ 1<\theta<2 γ(h)=Ahθ 1<θ<2
在这里插入图片描述

4.1.3孔穴效应模型

变异函数在h大于一定距离后并非单调递增,而是以一定的周期b进行波动,此时变异函数曲线显示出一种”孔穴效应(hole effect)”.

孔穴效应模型包括有基台值模型和无基台值模型

有基台值

孔穴效应模型一般用于当数据呈现出一定周期性的情况,孔穴效应模型的变程为:当变异函数的值等于先验方差时所对应的最短步长
γ ( h ) = { 0 h = 0 C 0 + C ( 1 − s i n ( π h / r ) π h r ) h > 0 \gamma(h)=\left\{\begin{array}{ll} 0 & h=0 \\ C_0+C(1-\frac{sin(\pi h/r)}{\pi hr}) & h>0 \end{array}\right. γ(h)={ 0C0+C(1πhrsin

  • 37
    点赞
  • 89
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
《MATLAB 遗传算法工具箱及应用·第二版》一书的word转pdf版,为保护版权不对外提供原书的word版。本文件是在原书word版的基础上转换成pdf而成,非扫描版,极致清晰。 作 者:雷英杰 张善文 李续武 周创明 出版社:西安电子科技大学出版社 第一章 遗传算法概述 1 1.1 遗传算法的概念 1 1.2 遗传算法的特点 3 1.2. 1 遗传算法的优点 3 1.2.2 遗传算法的不足之处 4 1.3 遗传算法与传统方法的比较 4 1.4 遗传算法的基本用语 6 1.5 遗传算法的研究方向 7 1.6 基于遗传算法的应用 8 第二章 基本遗传算法及改进 11 2.1 遗传算法的运行过程 11 2.1.1 完整的遗传算法运算流程 11 2.1.2 遗传算法的基本操作 13 2.2 基本遗传算法 14 2.2.1 基本遗传算法的数学模型 14 2.2.2 基本遗传算法的步骤 14 2.2.3 遗传算法的具体例证 16 2.3 改进的遗传算法 22 2.3.1 改进的遗传算法一 23 2.3.2 改进的遗传算法二 24 2.3.3 改进的遗传算法三 25 2.3.4 改进的遗传算法四 28 2.4 多目标优化中的遗传算法 30 2.4.1 多目标优化的概念 30 2.4.2 多目标优化问题的遗传算法 31 第三章 遗传算法的理论基础 34 3.1 模式定理 34 3.2 积木块假设 36 3.3 欺骗问题 37 3.4 遗传算法的未成熟收敛问题及其防止 39 3.4.1 遗传算法的未成熟收敛问题 39 3.4.2 未成熟收敛的防止 40 3.5 性能评估 41 3.6 小生境技术和共享函数 43 第四章 遗传算法的基本原理与方法 45 4.1 编码 45 4.1.1 编码方法 46 4.1.2 编码评估策略 48 4.2 选择 48 4.3 交叉 52 4.4 变异 55 4.5 适应度函数 57 4.5.1 适应度函数的作用 57 4.5.2 适应度函数的设计主要满足的条件 58 4.5.3 适应度函数的种类 58 4.5.4 适应度尺度的变换 59 4.6 控制参数选择 60 4.7 约束条件的处理 61 第五章 遗传算法工具箱函数 62 5.1 工具箱结构 62 5.1.1 种群表示和初始化 63 5.1.2 适应度计算 63 5.1.3 选择函数 63 5.1.4 交叉算子 64 5.1.5 变异算子 64 5.1.6 多子群支持 64 5.2 遗传算法中的通用函数 64 5.2.1 函数 bs2rv 64 5.2.2 函数 crtbase 66 5.2.3 函数 crtbp 66 5.2.4 函数 crtrp 67 5.2.5 函数 migrate 68 5.2.6 函数 mut 69 5.2.7 函数 mutate 71 5.2.8 函数 mutbga 72 5.2.9 函数 ranking 74 5.2.10 函数 recdis 76 5.2.11 函数 recint 77 5.2.12 函数 reclin 78 5.2.13 函数 recmut 79 5.2.14 函数 recombin 81 5.2.15 函数 reins 81 5.2.16 函数 rep 84 5.2.17 函数 rws 84 5.2.18 函数 scaling 85 5.2.19 函数 select 86 5.2.20 函数 sus 88 5.2.21 函数 xovdp 88 5.2.22 函数 xovdprs 89 5.2.23 函数 xovmp 90 5.2.24 函数 xovsh 91 5.2.25 函数 xovshrs 92 5.2.26 函数 xovsp 93 5.2.27 函数 xovsprs 94 第六章 遗传算法工具箱的应用 95 6.1 安装 95 6.2 种群的表示和初始化 95 6.3 目标函数和适应度函数 96 6.4 选择 97 6.5 交叉 99 6.6 变异 101 6.7 重插入 101 6.8 遗传算法的终止 102 6.9 数据结构 102 6.10 多种群支持 104 6.11 示范脚本 105 第七章 遗传算法应用举例 107 7.1 简单一元函数优化实例 107 7.2 多元单峰函数优化实例 111 7.3 多元多峰函数优化实例 115 7.4 收获系统最优控制 118 7.5 装载系统的最优问题 122 7.6 离散二次线性系统最优控制问题 125 7.7 目标分配问题 128 7.8 双积分的优化问题 130 7.9 雷达目标识别问题 131 7.10 图像分割问题 134 7.11 一些测试函数对应的优化问题 136 7.11.1 轴并行超球体的最小值问题 136 7.11.2 旋转超球体的最小值问题 137 7.11.3 Rosenbrock’s Valley最小值问题 138 7.11.4 Rastrigin函数的最小值问题 139 7.11.5 Schwefel函数的最小值问题 140 7.11.6 Griewangk函数的最小值问题 141 7.11.7 不同权的总和最小值问题 142 7.12 多目标优化问题 142 第八章 使用MATLAB遗传算法工具 146 8.1 遗传算法与直接搜索工具箱概述 146 8.1.1 工具箱的特点 146 8.1.2 编写待优化函数的M文件 148 8.2 使用遗传算法工具初步 149 8.2.1 遗传算法使用规则 149 8.2.2 遗传算法使用方式 150 8.2.3 举例:Rastrigin函数 151 8.2.4 遗传算法的一些术语 156 8.2.5 遗传算法如何工作 157 8.3 使用遗传算法工具求解问题 160 8.3.1 使用遗传算法工具GUI 160 8.3.2 从命令行使用遗传算法 172 8.3.3 遗传算法举例 177 8.4 遗传算法参数和函数 192 8.4.1 遗传算法参数 192 8.4.2 遗传算法函数 203 8.4.3 标准算法选项 207 第九章 使用MATLAB直接搜索工具 208 9.1 直接搜索工具概述 208 9.2 直接搜索算法 209 9.2.1 何谓直接搜索 209 9.2.2 执行模式搜索 209 9.2.3 寻找函数最小值 210 9.2.4 模式搜索术语 212 9.2.5 模式搜索如何工作 214 9.3 使用直接搜索工具 218 9.3.1 浏览模式搜索工具 218 9.3.2 从命令行运行模式搜索 226 9.3.3 模式搜索举例 229 9.3.4 参数化函数 243 9.4 模式搜索参数和函数 245 9.4.1 模式搜索参数 245 9.4.2 模式搜索函数 253 参考文献 259

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值