摘    要：針對標準差分進化算法收斂速度慢，容易陷入局部****從而導致收斂精度不高的缺點，提出將線性加權相結合以及自適應重拘交叉概率因子的改進差分進化算法。，該算法中變異策略采用將通過線性模擬退火加權策略相結合，交叉因子則根據進化代數自適應重構，使得算法在初期重視全局搜索能力以找到全局****可能解，后期重視局部收斂速度，以提高算法尋優能力和收斂速度。最后將該算法和其他改進差分進化算法用于城市供水水處理過程的加藥凝絮參數辨識中，仿真結果表明，該算法相對于其他3種算法具有更快的收斂速度和更好的收斂精度，所得模型對檢驗數據的誤差平方和很小，表明該模型準確可靠，為投藥過程的前饋反饋控制和水廠的優化運行打下了良好基礎，具有很好的實際意義。

關鍵詞：改進差分進化算法；城市供水；加藥凝絮；參數辨識

中圖分類號：tp 273    文獻標識碼：a

    差分進化(de)是一種基于種群并行隨機搜索的新型進化算法，近年來在函數優化、參數辨識、化工控制等領域得到廣泛應用。針對標準差分進化算法收斂速度緩慢，收斂精度不高，參數對算法結果影響大的不足，國內外出現很多改進de，主要表現在參數的自適應性、變異策略的改進以及將de和其他智能算法相結合等。

    凝絮是水廠制水過程中最重要的環節，凝絮過程凈水劑投加量不僅決定出水水質是否安全，還是構成制水成本的第二關鍵因素，因此，根據原水水質和沉淀池出水濁度建立凝絮過程凈水劑投加量的數學模型，從而實現制水過程凈水劑投加量的精確控制，具有很好的實際意義。本文在綜合分析de算法的多種變異方案基礎上，提出一種新的改進差分進化算法，并將該算法應用于城市供水加藥凝絮過程參數辨識中，從而建立城市供水凝絮加藥過程數學模型，具有很好的實際意義。

  標準差分進化算法的基本操作包括變異、交叉和選擇3種操作，首先由父代個體間的差分矢量構成變異算子，接著父代個體與變異個體之間按一定的概率進行交叉操作，生成一試驗個體，然后在父代個體與試驗個體之間根據適應度大小進行選擇操作，選擇適應度更優的個體作為子代。

    1)變異操作de最基本的變異成分是父代的差分矢量，根據變異個體生成方法的不同，形成了多種不同差分進化方案，經過大量的實驗及研究表明，de/rancl/l/bin和de/best/l/bin以及基于這兩種方式的改進形式的性能比其他形式要好，在實際工程設計過程中應用最多。方案表達式為

  3)選擇操作de采用“貪婪”的搜索策略，經過變異與交叉操作后生成的試驗個體進行競爭，只有當在適應度更優時才被選作子代，否則，直接將x作為子代。選擇操作的方程為

    差分進化的終止條件是第（t+k）代與第t代之間的****解之差小于s或者達到****進化代數tmax。ε和tmax可以由用戶根據問題自行設置。

    在de的多種進化方案中，以隨機變量為基向量的變異方案其變異基向量也為隨機選擇個體，無需任何適應值信息，