中文

演示平台的多参数组合自动优化（遗传算法）

2025-12-25 18:53 AI

演示平台的多参数组合自动优化（遗传算法）

下面给出“多参数组合自动优化（遗传算法）”的完整教学模块，适配本科层次，无需学生手写遗传算法，仅需：

• 上传实验数据（CSV：日期 + LAI 或生物量）
• 选择要优化的参数范围
• 一键运行 → 平台自动返回最优参数 + 拟合图

✅ 技术路线

模块	技术
优化算法	DEAP（Python 遗传算法库）
目标函数	RMSE（模型 vs 实测）
参数维度	3～5 个可配置作物参数
运行时间	<30 s（100 个体 × 30 代）
输出	最优参数 + 拟合曲线图

✅ 前端页面（templates/optimize.html）

<!DOCTYPE html>
<html lang="zh">
<head>
   <meta charset="UTF-8">
   <title>遗传算法自动优化</title>
   <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
   <style>
    body { font-family: Arial; margin: 40px; background: #f9f9f9; }
    .container { max-width: 900px; margin: auto; background: #fff; padding: 30px; border-radius: 8px; }
    h1 { text-align: center; color: #2e7d32; }
    .form-group { margin-bottom: 15px; }
    label { font-weight: bold; display: block; margin-top: 10px; }
    input[type=file], input[type=text] { padding: 6px; width: 300px; }
    button { padding: 10px 20px; background: #2e7d32; color: white; border: none; border-radius: 4px; cursor: pointer; }
    button:hover { background: #1b5e20; }
    .chart-container { margin-top: 40px; }
    #log { background: #f0f0f0; padding: 10px; border-radius: 4px; font-family: monospace; max-height: 200px; overflow-y: auto; }
   </style>
</head>
<body>
   <div class="container">
    <h1>🧬 遗传算法自动优化 - WOFOST 参数校准</h1>
 
    <div class="form-group">
      <label>上传实验数据（CSV：date, LAI）：</label>
      <input type="file" id="csvFile" accept=".csv" required>
    </div>
 
    <div class="form-group">
      <label>优化参数（用英文逗号分隔）：</label>
      <input type="text" id="params" value="MAXLUE,SPAN,SLA" readonly>
    </div>
 
    <div class="form-group">
      <label>种群大小：</label>
      <input type="number" id="pop" value="50" min="10" max="200">
    </div>
 
    <div class="form-group">
      <label>进化代数：</label>
      <input type="number" id="ngen" value="20" min="5" max="100">
    </div>
 
    <button onclick="startOptimize()">开始优化</button>
 
    <div id="log"></div>
 
    <div class="chart-container">
      <canvas id="optChart" width="800" height="400"></canvas>
    </div>
   </div>
 
   <script>
    const ctx = document.getElementById('optChart').getContext('2d');
    let optChart = new Chart(ctx, {
      type: 'line',
      data: {
        labels: [],
        datasets: [
          { label: '实测 LAI', data: [], borderColor: 'red', fill: false },
          { label: '模拟 LAI', data: [], borderColor: 'green', fill: false }
        ]
      },
      options: {
        responsive: true,
        plugins: { title: { display: true, text: '优化结果对比' } },
        scales: {
          x: { title: { display: true, text: '日期' } },
          y: { title: { display: true, text: 'LAI' } }
        }
      }
    });
 
    function log(msg) {
      document.getElementById('log').innerHTML += msg + '<br>';
      document.getElementById('log').scrollTop = 1e10;
    }
 
    async function startOptimize() {
      const file = document.getElementById('csvFile').files[0];
      if (!file) { alert('请先上传 CSV'); return; }
      const pop = document.getElementById('pop').value;
      const ngen = document.getElementById('ngen').value;
 
      const form = new FormData();
      form.append('file', file);
      form.append('pop', pop);
      form.append('ngen', ngen);
 
      log('🧬 遗传算法启动...');
 
      const res = await fetch('/optimize', { method: 'POST', body: form });
      const data = await res.json();
 
      log(`✅ 完成！最优 RMSE = ${data.rmse.toFixed(4)}`);
      log(`📊 最优参数：${JSON.stringify(data.best)}`);
 
      optChart.data.labels = data.dates;
      optChart.data.datasets[0].data = data.obs;
      optChart.data.datasets[1].data = data.sim;
      optChart.update();
    }
   </script>
</body>
</html>

✅ 后端接口（app.py 新增）

import random
import pandas as pd
import numpy as np
from deap import base, creator, tools, algorithms
from pcse.fileinput import YAMLCropDataProvider
from pcse.base import ParameterProvider
from pcse.db import NASAPowerWeatherDataProvider
from pcse.models import Wofost71_WLP_FD
from pcse.engine import Engine
from flask import Blueprint, request, jsonify
 
opt_bp = Blueprint('optimize', __name__, url_prefix='/')
 
@opt_bp.route('/optimize')
def opt_page():
    return render_template('optimize.html')
 
# ---------- 遗传算法核心 ----------
BOUND_LOW = 0.5   # 参数下限倍数
BOUND_UP = 1.5   # 参数上限倍数
N_PARAM = 3      # MAXLUE, SPAN, SLA
 
def run_wofost(individual, base_params, obs_dates, obs_lai):
    # 根据个体基因生成参数
    crop_dict = base_params.copy()
    crop_dict['MAXLUE'] *= individual[0]
    crop_dict['SPAN'] *= individual[1]
    crop_dict['SLA'] *= individual[2]
 
    cropd = YAMLCropDataProvider(crop_dict=crop_dict)
    weather = NASAPowerWeatherDataProvider(latitude=52.0, longitude=5.0)
    params = ParameterProvider(cropdata=cropd, soildata=None, sitedata=None)
    wofost = Wofost71_WLP_FD(params, weather, [])
    eng = Engine(wofost)
    eng.run_till_terminate()
    df = pd.DataFrame(eng.get_output())
    df = df[df['day'].isin(obs_dates)]
    sim_lai = df['LAI'].values
    if len(sim_lai) != len(obs_lai):
        return 1e6
    return np.sqrt(np.mean((sim_lai - obs_lai) ** 2))
 
@opt_bp.route('/optimize', methods=['POST'])
def optimize():
    file = request.files['file']
    pop = int(request.form['pop'])
    ngen = int(request.form['ngen'])
 
    obs = pd.read_csv(file, parse_dates=['date'])
    obs_dates = obs['date'].dt.date.tolist()
    obs_lai = obs['LAI'].values
 
    # 基础参数模板
    base_crop = {
        'VARIETY_NAME': 'OptWheat',
        'CropType': 'wheat',
        'MAXLUE': 2.5,
        'SPAN': 30,
        'SLA': 20
    }
 
    # DEAP 注册
    creator.create("FitnessMin", base.Fitness, weights=(-1.0,))
    creator.create("Individual", list, fitness=creator.FitnessMin)
 
    toolbox = base.Toolbox()
    toolbox.register("attr_float", random.uniform, BOUND_LOW, BOUND_UP)
    toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_float, n=N_PARAM)
    toolbox.register("population", tools.initRepeat, list, toolbox.individual)
 
    toolbox.register("evaluate", lambda ind: (run_wofost(ind, base_crop, obs_dates, obs_lai),))
    toolbox.register("mate", tools.cxBlend, alpha=0.5)
    toolbox.register("mutate", tools.mutGaussian, mu=0, sigma=0.1, indpb=0.2)
    toolbox.register("select", tools.selTournament, tournsize=3)
 
    pop = toolbox.population(n=pop)
    algorithms.eaSimple(pop, toolbox, cxpb=0.5, mutpb=0.2, ngen=ngen, verbose=False)
 
    best_ind = tools.selBest(pop, 1)[0]
    best_rmse = run_wofost(best_ind, base_crop, obs_dates, obs_lai)
 
    # 生成最优曲线
    crop_dict = base_crop.copy()
    crop_dict['MAXLUE'] *= best_ind[0]
    crop_dict['SPAN'] *= best_ind[1]
    crop_dict['SLA'] *= best_ind[2]
    cropd = YAMLCropDataProvider(crop_dict=crop_dict)
    weather = NASAPowerWeatherDataProvider(latitude=52.0, longitude=5.0)
    params = ParameterProvider(cropdata=cropd, soildata=None, sitedata=None)
    wofost = Wofost71_WLP_FD(params, weather, [])
    eng = Engine(wofost)
    eng.run_till_terminate()
    df = pd.DataFrame(eng.get_output())
    df = df[df['day'].isin(obs_dates)]
 
    return jsonify({
        "rmse": best_rmse,
        "best": {
            "MAXLUE": round(crop_dict['MAXLUE'], 3),
            "SPAN": round(crop_dict['SPAN'], 1),
            "SLA": round(crop_dict['SLA'], 1)
        },
        "dates": [str(d) for d in obs_dates],
        "obs": obs_lai.tolist(),
        "sim": df['LAI'].tolist()
    })

✅ 使用流程（学生）

1. 打开：http://localhost:5000/optimize
2. 上传 CSV（示例）：

date,LAI
2023-03-01,0.5
2023-04-01,2.1
2023-05-01,4.0
2023-06-01,5.2
2023-07-01,4.8

3. 设置种群/代数（默认即可）
4. 点击“开始优化”
5. 等待 10–30 秒 → 看到：
- • 最优 RMSE
- • 最优参数
- • 拟合曲线图

✅ 教学提示（可打印）

术语	解释
种群大小	每代候选参数个数（越大搜索越广）
进化代数	搜索轮数（越大越慢但越准）
RMSE	模拟与实测的“平均误差”，越小越好