云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價

周有榮　崔東文

摘要：為科學(xué)評價云南省2006～2016年水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度水平，引入陰-陽對優(yōu)化（YYPO）算法、投影尋蹤（PP）和正態(tài)云模型（CM），構(gòu)建了YYPO-PP-CM水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價模型。從水資源、經(jīng)濟(jì)、社會、水生態(tài)系統(tǒng)中遴選出20個指標(biāo)來構(gòu)建水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價指標(biāo)體系和等級標(biāo)準(zhǔn)，采用云模型正向發(fā)生器來計算各分級評價指標(biāo)隸屬度;選取了8個標(biāo)準(zhǔn)測試函數(shù)對YYP0算法的優(yōu)化性能進(jìn)行仿真驗證，并與粒子群優(yōu)化（PSO）算法、布谷鳥搜索（CS）算法等4種傳統(tǒng)優(yōu)化算法的性能進(jìn)行對比?；赑P基本原理，利用云南省2006～2016年水資源-經(jīng)濟(jì)-社會-水生態(tài)指標(biāo)數(shù)據(jù)構(gòu)造投影尋蹤優(yōu)化目標(biāo)函數(shù)，通過YYPO-PP給出各評價指標(biāo)權(quán)重，同時，根據(jù)隸屬度矩陣和權(quán)重矩陣來計算水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價的分級確定度，并進(jìn)行評價分析，最后將評價結(jié)果與投影尋蹤法、模糊評價法的結(jié)果進(jìn)行比較。結(jié)果表明：①YYP0算法的尋優(yōu)精度優(yōu)于PSO、CS等傳統(tǒng)優(yōu)化算法，具有較好的開發(fā)探索平衡能力和全局極值尋優(yōu)能力。②YYPO-PP-CM模型將云南省2006～2007年水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價為“極不協(xié)調(diào)”，2008～2009年為“不協(xié)調(diào)”，2010年為“基本協(xié)調(diào)”，2011～2014年為“較協(xié)調(diào)”，2015～2016年為“協(xié)調(diào)”，表明近10a來云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度水平持續(xù)提升。③評價結(jié)果與投影尋蹤法、模糊評價法的評價結(jié)果基本一致。④YYPO-PP-CM模型兼具客觀性、模糊性和隨機(jī)性，既能客觀確定評價指標(biāo)權(quán)重，反映水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價分級的定性概念，又能反映隸屬程度的不確定性，具有良好的應(yīng)用價值。

關(guān)鍵詞：水資源系統(tǒng);經(jīng)濟(jì)社會系統(tǒng);水生態(tài)系統(tǒng);指標(biāo)體系;協(xié)調(diào)度評價;正態(tài)云模型;陰-陽對優(yōu)化

算法;投影尋蹤;云南省

中圖法分類號：TV213

文獻(xiàn)標(biāo)志碼：A

DOI：10.16232/j.enki.1001-4179.2019.03.024

研究背景

水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度是指在一定歷史時期、一定經(jīng)濟(jì)與社會發(fā)展條件下，水資源系統(tǒng)與經(jīng)濟(jì)系統(tǒng)、社會系統(tǒng)、水生態(tài)系統(tǒng)之間的功能互補(bǔ)、相互促進(jìn)和協(xié)調(diào)發(fā)展，實現(xiàn)區(qū)域水資源永續(xù)利用、經(jīng)濟(jì)持續(xù)增長、社會和諧發(fā)展、水生態(tài)環(huán)境良性循環(huán)，達(dá)到人水和諧共生的協(xié)調(diào)程度。近年來，用于水資源與經(jīng)濟(jì)社會協(xié)調(diào)度評價的方法主要有投影尋蹤法、神經(jīng)網(wǎng)絡(luò)法、構(gòu)造函數(shù)法、耦合法、層次分析法、匹配度計算法等，這些評價方法均在水資源與經(jīng)濟(jì)社會相關(guān)系統(tǒng)協(xié)調(diào)度評價研究中取得了一定的評價效果。然而，本文提出的水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價涉及到水資源、經(jīng)濟(jì)、社會、水生態(tài)等復(fù)雜系統(tǒng)，其評價指標(biāo)和分級標(biāo)準(zhǔn)同時具有模糊性和隨機(jī)性，而神經(jīng)網(wǎng)絡(luò)法、投影尋蹤法等上述評價方法難以解決這一問題。

針對在復(fù)雜巨系統(tǒng)等綜合評價中存在的模糊性和隨機(jī)性問題，我國李德毅院士提出了定性與定量相互轉(zhuǎn)換的云模型，該模型已在水質(zhì)評價[7-8]、災(zāi)害風(fēng)險評價、水利現(xiàn)代化評價、膨脹土脹縮等級分類、水安全評價以及河流健康評價等領(lǐng)域得到了應(yīng)用。但在運(yùn)用云模型評價過程中，如何客觀確定評價指標(biāo)權(quán)重已成為制約云模型應(yīng)用的關(guān)鍵技術(shù)。目前，層次分析法、熵權(quán)法，投影尋蹤法等已被廣泛用于云模型指標(biāo)權(quán)重的確定，但是層次分析法因其主觀意愿成分較重而影響指標(biāo)權(quán)重的客觀性;熵權(quán)法雖然能客觀地確定指標(biāo)權(quán)重，但應(yīng)用范圍有限;投影尋蹤（projectionpursuit，PP）法是科學(xué)確定指標(biāo)權(quán)重的良好方法，但是存在著目標(biāo)函數(shù)構(gòu)建、優(yōu)化算法選取等方面的困難和不足，尤其是對高維目標(biāo)函數(shù)的優(yōu)化，由于傳統(tǒng)的粒子群優(yōu)化（PSO）算法等智能算法自身存在易陷入局部極值等缺陷所導(dǎo)致的“非最佳投影向量”問題，嚴(yán)重制約了PP方法用于確定指標(biāo)權(quán)重的應(yīng)用范疇。

本文通過建立水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價指標(biāo)體系和分級標(biāo)準(zhǔn)，將正態(tài)云模型（CM）引入到水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價中，利用一種新型元啟發(fā)式優(yōu)化算法——陰-陽對優(yōu)化（Yin-Yang-pair Optimization，YYPO）算法來優(yōu)化投影尋蹤最佳投影向量[19），提出了YYPO-PP模型指標(biāo)權(quán)重確定方法;通過選取8個標(biāo)準(zhǔn)測試函數(shù)對YYPO算法的優(yōu)化性能進(jìn)行仿真驗證，并與PSO算法、差分進(jìn)化（DE）算法、布谷鳥搜索（CS）算法、混合蛙跳算法（SPLA）的仿真結(jié)果進(jìn)行對比;建立了YYPO-PP-CM水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價模型，以云南省2006～2016年水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價為例進(jìn)行實例研究，并將評價結(jié)果與投影尋蹤法、模糊綜合評價法的評價結(jié)果進(jìn)行對比，旨在驗證將YYPO-PP-CM模型用于水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價的可行性和有效性。

2 評價指標(biāo)體系及分級標(biāo)準(zhǔn)

為能客觀評價云南省2006～2016年水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度水平，遵循代表性、可度量性等原則，從水資源、經(jīng)濟(jì)、社會和水生態(tài)4個系統(tǒng)中分別遴選出了5個指標(biāo)用于構(gòu)建云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價指標(biāo)體系;并基于層次結(jié)構(gòu)的評價體系，將水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價指標(biāo)體系分為目標(biāo)層、準(zhǔn)則層、指標(biāo)層3個層次;結(jié)合云南省2006～2016年各指標(biāo)的歷史，數(shù)據(jù)，同時參閱了文獻(xiàn)[1-3]和文獻(xiàn)[20]，合理確定了水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度評價分級標(biāo)準(zhǔn)閾值及各指標(biāo)的上下限值，如表1所列。

3 陰-陽對優(yōu)化算法介紹及驗證

3.1 陰-陽對優(yōu)化算法

陰-陽對優(yōu)化（YYPO）算法是VarunP等人于2016年基于陰陽平衡原理提出的一種新型元啟發(fā)式優(yōu)化算法。該算法基于兩個點集（P1和P2），其中，P1設(shè)計為專注于開發(fā)變量空間，P2設(shè)計為專注于探索變量空間，通過開發(fā)與探索兩個矛盾行為之間的相互協(xié)調(diào)、補(bǔ)充達(dá)到平衡，并利用分裂、存儲兩個階段進(jìn)行迭代更新來求解最優(yōu)化問題。參考文獻(xiàn)[19]中YYPO算法的數(shù)學(xué)描述簡述如下。

（1） 設(shè)置待優(yōu)化問題維度D，隨機(jī)初始化兩個點集P1={P1'，P12，P1，...，P1"}和P2={P2'，P22，P2'，..，P2"}。對點集P1和P2進(jìn)行歸一化處理，即0≤（P1'，P2'）≤1，其中，j=1，2，3，.，D。

（2） 分裂階段。①單向分裂。在YYPO算法中，點P的二維相同副本被存儲為s，它可以被認(rèn)為是尺寸為2DxD的矩陣。S中每個點的一個變量用下面的公式予以修改：

公式

式中，下標(biāo)表示點號，而上標(biāo)表示正被修改的決策變量號;r表示在0和1之間的隨機(jī)數(shù)，對于S中任意點的每個變量產(chǎn)生新的r，共需2DxD個0和1之間的隨機(jī)數(shù);δ為搜索半徑。②D向分裂。在YYPO算法中，點P的2D相同副本被存儲為S，它可以被認(rèn)為是2DxD大小的矩陣，生成包含長度為D的二維隨機(jī)二進(jìn)制矩陣B，使得每個二進(jìn)制串是唯一的。隨后，使用以下等式來修改任意點的每個變量。

公式

式中，下標(biāo)表示點號（或行），上標(biāo)表示決策變量號（或列）;r和δ意義同上;二進(jìn)制矩陣B通過隨機(jī)選擇0到2^D-1之間的唯一整數(shù)并轉(zhuǎn)換成長度為D的二進(jìn)制串來組成。

（3） 存儲階段。存儲階段是在滿足所需數(shù)量的存儲更新之后啟動，且該存儲階段包含21（I為存儲階段的更新次數(shù)大?。﹤€點，對應(yīng)于在分裂階段前每個更新中添加的兩個點P1、P2。若存儲中的最佳點比點P1、P2更合適，則與點P1、P2交換。存儲階段因此保持精英主義并且確保算法的單調(diào)收斂（即在任何迭代中確定的最佳點不會丟失）。在存儲階段結(jié)束時，存儲矩陣設(shè)置為空，并且在其指定范圍Imin和Imax（Imin和Imax）分別為存儲更新的最小數(shù)和最大數(shù)）內(nèi)隨機(jī)生成存儲更新的新值搜索半徑δ和δ2的更新公式如下：

公式

式中，δ和δ2分別為點集P1、P2的搜索半徑;a為擴(kuò)張/收縮因子。

YYPO算法的特點在于其隨機(jī)生成的點集數(shù)量取決于問題的維度。針對高維優(yōu)化問題將生成較多的點，這種自適應(yīng)能力能有效解決不同維度問題并獲得待優(yōu)化問題的最優(yōu)解。

3.2 算法驗證

為驗證YYPO算法的尋優(yōu)能力，選取了8個標(biāo)準(zhǔn)測試函數(shù)（見表2）對其進(jìn)行仿真測試，并與PSO、DE、CS和SFLA算法的仿真結(jié)果進(jìn)行對比，對比結(jié)果如表3所列。為避免尋優(yōu)效果的偶然性，并證明算法的穩(wěn)健性，采取5種算法均對測試函數(shù)尋優(yōu)20次，利用20次尋優(yōu)結(jié)果的平均值、標(biāo)準(zhǔn)差來對各種算法的優(yōu)化性能進(jìn)行評估。

5種算法的最大迭代次數(shù)均被設(shè)置為5000。其中，YYPO算法的存儲更新最小數(shù)1min=1，最大數(shù)1.=4，擴(kuò)展/收縮因子a=50，初始搜索半徑δ=0.5，82=0.5。PSO算法的種群規(guī)模N=50，w=0.729，局部學(xué)習(xí)因子、全局學(xué)習(xí)因子c=C2=2.0，個體速度限制為[-0.5，0.5].DE算法的種群規(guī)模N=50，上下限的尺度因子分別為0.8，0.2，交叉率CR=0.2。CS算法的鳥窩位置數(shù)N=25、發(fā)現(xiàn)概率p。=0.25.SLFA算法青蛙群體規(guī)模N=50，子群數(shù)K=5，子群內(nèi)青蛙個數(shù)Np=10;子群數(shù)局部進(jìn)化次數(shù)T=10。

通過表3的函數(shù)優(yōu)化對比結(jié)果可以得出以下結(jié)論。

（1） 對于Sphere、Sumsquares和Schwefel's單峰函數(shù)，YYP0算法的20次尋優(yōu)均獲得了理論值，尋優(yōu)效果優(yōu)于PSO、DE、SLFA和CS算法;對于Step躍階單峰函數(shù)，YYPO、DE、CS算法尋優(yōu)效果相同，精度優(yōu)于SFLA和PSO算法，表明YYPO算法對于復(fù)雜單峰函數(shù)具有較好的尋優(yōu)精度。

（2） 對于復(fù)雜多峰函數(shù)Levy，YYPO、DE算法尋優(yōu)效果相同，精度高于其他3種算法30個數(shù)量級以上;對于多峰函數(shù)Griewank，YYPO、DECS算法的20次尋優(yōu)均獲得了理論最優(yōu)值，精度遠(yuǎn)優(yōu)于SFLA和PSO算法;對于復(fù)雜多峰函數(shù)Rastrigin，YYPO算法的20次尋優(yōu)均獲得了理論最優(yōu)值，精度遠(yuǎn)遠(yuǎn)優(yōu)于其他4種算法;對于函數(shù)Ackley，YYPO算法的尋優(yōu)精度略劣于CS算法和DE算法，但優(yōu)于SFLA和PSO算法13個數(shù)量級以上。從4個復(fù)雜多峰函數(shù)尋優(yōu)效果綜合來看，YYPO算法具有較好的跳出局部極值的能力以及全局極值尋優(yōu)的能力。

可見，對于本文所選取的單峰或多峰函數(shù)，YYPO算法的綜合尋優(yōu)效果要優(yōu)于PSO、DE、CS和SLFA算法的尋優(yōu)效果。

4 協(xié)調(diào)度評價模型

4.1投影尋蹤

投影尋蹤簡要算法描述如下。

（1） 數(shù)據(jù)預(yù)處理。利用式（4）～（5），分別對正向、負(fù)向指標(biāo)進(jìn)行處理。

公式

式中，x（i，j）為指標(biāo)特征值歸一化序列;xmx（j）、xmim（j）分別為第i個指標(biāo)值的上限值和下限值。

（2）構(gòu)造投影值z（i）指標(biāo)函數(shù)。

公司

式中，a為單位長度的向量。

（3）模型求解。將搜尋最優(yōu)投影向量問題轉(zhuǎn)化為單目標(biāo)非線性最優(yōu)求解問題，即：

公司

式中，S。為投影值z（i）的標(biāo)準(zhǔn)差;D.為投影值z（i）的局部密度;S、D：表達(dá)式見參考文獻(xiàn)[21]。

4.2 云模型簡介

云模型是基于正態(tài)分布與鐘形隸屬函數(shù)、用來實現(xiàn)客觀世界中某個現(xiàn)象和事物的定性與定量相互發(fā)生不確定性轉(zhuǎn)換的數(shù)學(xué)模型，能夠有效地解決水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價過程中的模糊性、隨機(jī)性和離散性問題，具有較廣的普適性特征。云模型通過期望值Ex、熵值En和超熵值Ee，將水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價過程中的模糊性、隨機(jī)性和離散性有機(jī)地結(jié)合起來，實現(xiàn)不確定性語言和定量數(shù)量之間的轉(zhuǎn)換。云模型計算過程描述如下。

（1） 采用云模型正向發(fā)生器生成正態(tài)隨機(jī)數(shù)En，=norm（E，，He2），其中，值norm（）表示正態(tài)分布函數(shù)。

（2） 再次生成正態(tài)隨機(jī)數(shù)x;=norm（E。，En'2）。其中，En！2表示方差。

（3） 計算μ=-（-2（212，（x;，μ;）構(gòu)建數(shù)域中任意一個云滴。

（4） 重復(fù)上述步驟，直至產(chǎn)生設(shè)定的n個云滴為止。

4.3 水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價實現(xiàn)步驟

4.3.1 評價指標(biāo)權(quán)重的確定

Step1。收集云南省2006～2016年水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價指標(biāo)數(shù)據(jù)集，利用式（4）～（5）分別對正向、負(fù)向指標(biāo)進(jìn)行處理，借助于經(jīng)一致性處理后的數(shù)據(jù)集來構(gòu)建投影目標(biāo)函數(shù)Q（a）。

Step2。設(shè)置YYPO算法的最大迭代次數(shù)T=1000，搜索空間[0，1]，其他參數(shù)的設(shè)置同上。利用YYPO算法對Q（a）投影向量進(jìn)行優(yōu)化求解（式（7）可通過取倒的方式變換成求解最大值優(yōu)化問題）。

Step3。隨機(jī)初始化兩個點集P1={P1'，P1"，P1'，.，PI，}和P2={P2'，P2，P2'，.，P2"}，并初始化

點集P1、P2搜索半徑δ和δ2;在Imin和Imax之間隨機(jī)生成I。

Step4。利用目標(biāo)函數(shù)Q（a）評估點集P1、P2的適應(yīng)度值，若P1優(yōu)于P2，則P1、P2互換;存儲P1、P2，并令i=i+1。

Step5。利用式（1）和式（2）分別執(zhí)行P1、P2分裂和存儲操作，并獲得更新的P1、P2以及對應(yīng)的適應(yīng)度值。

Step6。若存儲中的最佳點比點P1、P2更合適，則與點P1、P2交換。

Step7。利用式（3）來更新點集P1、P2的搜索半徑δ和δ2。

Step8。存儲矩陣設(shè)置為空，并在其指定范圍Imin和Imax內(nèi)隨機(jī)生成存儲更新I的新值，存儲階段結(jié)束。

Step9。判斷算法是否達(dá)到最大迭代次數(shù)T，若是，輸出最佳點適應(yīng)度值及所處空間的位置，maxQ和最佳投影向量a=[a，a，，a2o]，歸一化后，即為各評價指標(biāo)權(quán)重w=[W1，W2，.，W2o]，算法結(jié)束;否則，重復(fù)Step4～Step9。

4.3.2 隸屬度矩陣的確定

Stepl。云模型參數(shù)的計算?；诒?，對于云模型參數(shù)通過下式來計算：

公式

式中，x、好分別表示某一等級標(biāo)準(zhǔn)區(qū)間[x號，對]。

在水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價中，由于評價標(biāo)準(zhǔn)的邊界具有一定的模糊性，可以分屬相鄰的等級，因此隸屬度應(yīng)當(dāng)相等，即

公式

得到云模型的熵值En

公式

式中，k為常數(shù)，根據(jù)經(jīng)驗取值，反映云模型的離散程度。

通過上述方法，可以確定水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度分級云模型的特征參數(shù)（Ex，En，He）。限于篇幅，僅給出了水資源系統(tǒng)的云模型特征參數(shù)（Ex，En，He），詳見表4。根據(jù)云模型特征參數(shù)信息，由云模型正向發(fā)生器在matlab程序上生成水資源利用率等20個評價指標(biāo)的正態(tài)云圖。限于篇幅，僅給出了水資源的利用率、降水深和人均水資源量的正態(tài)云圖，如圖1所示。

Step2。隸屬度矩陣的確定。利用云模型的特征參數(shù)（Ex，En，He）和μ=e-2）2（2Bi）2，可計算出云南省11a來的各指標(biāo)數(shù)據(jù)x;隸屬于某分級云的隸屬度U。

4.3.3水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度

評價

基于.上述計算，獲得了各評價指標(biāo)權(quán)重10=[w，w，，W2o]和各年度隸屬度U;利用V=w"U進(jìn)行計算，獲得了V=[V，V，-，V;]。結(jié)合最大確定度原則，即可獲得水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價分級。

5 應(yīng)用實例

5.1 研究區(qū)概況與數(shù)據(jù)來源

云南省地處我國西南邊陲，下轄昆明市等16個州（市），國土面積為39萬km2，多年平均降水量為1280mm，水資源總量為2220億m3，屬于水資源量豐沛地區(qū)。但是由于云南省地形地貌復(fù)雜、降水時空分布極不均勻，水資源開發(fā)利用難度大、成本高、邊際效益低，因而導(dǎo)致水資源利用率較低，2016年的水資源利用率僅為7.1%。近10a來，云南省人均GDP從2006年的0.89萬元提高到了2016年的3.14萬元;城鎮(zhèn)化率也從2006年的30.5%.上升到了2016年的45.0%，經(jīng)濟(jì)社會發(fā)展取得了巨大進(jìn)步。但近10a來，云南省水功能區(qū)的達(dá)標(biāo)率在36.8%～67.6%之間生態(tài)環(huán)境用水率在0.6%～2.7%之間，水生態(tài)環(huán)境狀況甚憂。因此，科學(xué)評價云南省近10a來的水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度水平，對于科學(xué)提出改善云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度水平的對策措施，實現(xiàn)區(qū)域水資源持續(xù)利用、經(jīng)濟(jì)社會和諧發(fā)展、水生態(tài)環(huán)境良性循環(huán)、人水和諧共處具有十分重要的意義。本文研究數(shù)據(jù)來源于2006～2016年云南省水資源公報和云南省統(tǒng)計年鑒等。指標(biāo)數(shù)據(jù)如表5所列。

5.2 評價結(jié)果與分析

（1） 目標(biāo)函數(shù)求解。基于上述水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價實現(xiàn)步驟，利用經(jīng)一致性處理后的表5中的數(shù)據(jù)，構(gòu)建了投影目標(biāo)函數(shù)Q（a），再利用YYPO算法優(yōu)化Q（a）。為了進(jìn)一步驗證YYPO算法的優(yōu)化性能，在[0，1]搜索空間及維度為20維的條件下，將YYPO算法進(jìn)行了20次尋優(yōu)，其20次尋優(yōu)結(jié)果均為1453.899000，標(biāo)準(zhǔn)差為4.55e-13，表明具有較高的求解精度和魯棒性能，完全能夠滿足云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價精度的需求。

（2） 指標(biāo)權(quán)重計算。運(yùn)用YYPO算法來優(yōu)化Q（a），從而獲得了各評價指標(biāo)的最佳投影向量;經(jīng)歸一化處理后，即為各評價指標(biāo)權(quán)重w。

（3） 隸屬度計算。以2006年為例，基于上述隸屬度矩陣確定方法，經(jīng)計算，云南省2006年水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價隸屬度矩陣U如公式（12）所示。同理，可計算出云南省2007～2016年水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價隸屬度矩陣。

（4） 分級評價。利用V=w”U來計算，獲得了V=[V，V，.，V6]，并依據(jù)最大確定度原則，確定水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價的分級;同時與投影尋蹤方法、模糊綜合評價法的評價結(jié)果進(jìn)行了對比（限于篇幅，投影尋蹤法、模糊綜合評價法的評價過程從略，2種評價方法的指標(biāo)權(quán)重均是采用YYPO算法確定的），對比結(jié)果如表6所示。

由表6可以得出以下結(jié)論。

（1） 運(yùn)用YYPO-PP-CM模型，將云南省2006～2007年水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價為“極不協(xié)調(diào)”，將2008～2009年評價為“不協(xié)調(diào)”，將2010年評價為“基本協(xié)調(diào)”，將2011～2014年評價為“較協(xié)調(diào)”，將2015～2016年評價為“協(xié)調(diào)”。從評價結(jié)果來看，云南省近10a水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度水平持續(xù)提升，而且提升幅度顯著。

（2） 從表6的評價結(jié)果對比來看，本文提出的評價方法與模糊綜合評價法的評價結(jié)果最接近，僅在2009年的評價結(jié)果上存在差異;與投影尋蹤法相比，在2007，2009年和2014年的評價結(jié)果上存在著差異。3種方法的評價結(jié)果基本一致，表明將YYPO-PP-CM模型用于對水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度的評價是合理和可行的。

（3） 從YYP0-PP-CM模型評價結(jié)果的分析來看：①2006～2009年期間，云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度水平較低，主要原因在于其經(jīng)濟(jì)社會發(fā)展滯后、水資源利用效率較低和水生態(tài)環(huán)境質(zhì)量不高;②隨著云南省經(jīng)濟(jì)社會的快速發(fā)展，2010～2014年，云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度水平得到了較大的提升，協(xié)調(diào)度水平基本處于“較協(xié)調(diào)”狀態(tài);③2015～2016年，隨著云南省經(jīng)濟(jì)水平的進(jìn)一步提升，人民生活水平得到了持續(xù)改善以及用水效率和用水效益得到了提高，云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度水平處于較高水平，即“協(xié)調(diào)”狀態(tài)?！笆濉逼陂g，隨著云南省國民經(jīng)濟(jì)社會發(fā)展規(guī)劃、水利發(fā)展規(guī)劃、生態(tài)環(huán)境保護(hù)規(guī)劃和生態(tài)文明建設(shè)規(guī)劃等一系列規(guī)劃的實施，云南省水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度水平將會得到進(jìn)一步的提升。

6 結(jié)論

（1） 介紹了一種新型元啟發(fā)式算法——陰-陽對優(yōu)化（YYPO）算法。通過運(yùn)用8個標(biāo)準(zhǔn)測試函數(shù)對該算法進(jìn)行仿真驗證，并與PSO算法、DE算法、SFLA和CS算法的仿真結(jié)果進(jìn)行比較，結(jié)果表明，YYPO算法具有較好的收斂精度、跳出局部極值的能力和全局極值尋優(yōu)的能力。

（2） 鑒于云模型可以識別隨機(jī)性和模糊性的特點，將YYPO算法、PP和CM引入到水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價中，提出了YYPO-PP-CM評價模型。同時，以云南省近10a來的水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價為例進(jìn)行了實例研究，并將研究結(jié)果與模糊綜合評價法、投影尋蹤法的結(jié)果進(jìn)行對比，從而驗證了本文方法的可行性。

（3） 利用YYPO-PP-CM模型，對云南省近10a來的水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度進(jìn)行了評價，評價結(jié)果顯示，2006～2007年為“極不協(xié)調(diào)”，2008～2009年為“不協(xié)調(diào)”，2010年為“基本協(xié)調(diào)”，2011～2014年為“較協(xié)調(diào)”，2015～2016年為“協(xié)調(diào)”。從評價結(jié)果來看，云南省近10a來的水資源-經(jīng)濟(jì)-社會-水生態(tài)系統(tǒng)協(xié)調(diào)度水平得到了持續(xù)提升。

（4） 本文提出的云南省區(qū)域水資源-經(jīng)濟(jì)-社會-水生態(tài)協(xié)調(diào)度評價指標(biāo)體系和分級標(biāo)準(zhǔn)、待優(yōu)化目標(biāo)函數(shù)構(gòu)造方法、YYPO算法驗證方法和YYP0-PP-CM模型評價實現(xiàn)步驟等，對于其他同類進(jìn)行綜合評價研究具有參考價值和借鑒意義。

參考文獻(xiàn)：

[1]楊紅霞，蔡昕.基于WDO-PP模型的區(qū)域水資源系統(tǒng)與經(jīng)濟(jì)社會生態(tài)系統(tǒng)協(xié)調(diào)度評價[J].水資源與水工程學(xué)報，2017，28（2）：68-75.

[2]崔東文.基于模式識別的區(qū)域水資源與經(jīng)濟(jì)社會協(xié)調(diào)度評價[J].水利濟(jì)，2013，31（5）：15-19.

[3]謝永紅，張云英.云南省水資源與經(jīng)濟(jì)社會發(fā)展協(xié)調(diào)趨勢研究[J].人民長江，2014，45（23）：80-83.

[4]周校培，陳建明.南京市水資源與社會經(jīng)濟(jì)耦合協(xié)調(diào)發(fā)展研究[J].水利經(jīng)濟(jì)，2016，34（4）：26-30.

[5]張瑤蘭，張彥君，沈燕紅.基于S-AHP定權(quán)法的水資源與經(jīng)濟(jì)社會協(xié)調(diào)發(fā)展評價[J].浙江水利水電?？茖W(xué)校學(xué)報，2013，25（4）：29-35.

[6]左其亭，趙衡，馬軍霞，等.水資源利用與經(jīng)濟(jì)社會發(fā)展匹配度計算方法及應(yīng)用[J].水利水電科技進(jìn)展，2014，34（6）：1-6.

[7]付文藝?；陟貦?quán)-正態(tài)云模型的地下水水質(zhì)綜合評價[J].人民黃河，2016，38（5）：68-71，76.

[8]任飛鵬，侯炳江，佘學(xué)成.正態(tài)云模型在地下水水質(zhì)綜合評價中的應(yīng)用[J].人民長江，2016，47（21）：15-20.

[9]萬昔超，殷偉量，孫鵬，等.基于云模型的暴雨洪澇災(zāi)害風(fēng)險分區(qū)評價[J].自然災(zāi)害學(xué)報，2017，26（4）：77-83.

[10]石曉靜，查小春，劉嘉慧，等.基于云模型的漢江上游安康市洪水災(zāi)害風(fēng)險評價[J].水利水電科技進(jìn)展，2017，37（3）：29-34.

[11]黃顯峰，劉展志，方國華.基于云模型的水利現(xiàn)代化評價方法與應(yīng)用[J].水利水電科技進(jìn)展，2017，37（6）：54-61.

[12]曾志雄，田海，黃玨皓.基于云模型的膨脹土脹縮等級分類[J].長江科學(xué)院院報，2016，33（2）：80-85.

[13]喬丹穎，劉凌，閆峰.基于云模型的中運(yùn)河水安全評價[J].水資源保護(hù)，2015，31（2）：26-29.

[14]周云哲，粟曉玲.基于指標(biāo)規(guī)范化的正態(tài)云模型的水安全評價[J].華北水利水電大學(xué)學(xué)報：自然科學(xué)版，2017，38（4）：18-24，6.