复合形进化重组算法（SCE-UA）密切结合随机寻优方法的鲁棒性和定向寻优方法搜索过程的方向性，使其对一系列优化问题，在能搜索到近似全局最优解的基础上又有效加快了寻优速度。该算法以往主要用于待优化参数个数较少的地表水模型参数的校正，申请者将其成功用于地下水管理模型的求解。但对复杂多参数、非线性地下水管理模型的求解过程表明，仅采用SCE-UA算法尚存两点不足：（1）算法自身的全局最优性仍在一定程度上依赖于随机选取的初始点集的多样性；（2）复杂管理模型的求解效率有待进一步提高。针对上述不足，本课题拟采用遗传算法和粒子群算法进行管理模型的前期优化，将优化结果作为SCE-UA算法的部分初始点，丰富初始点集的多样性。在此基础上，采用并行计算来提高优化算法和管理模型的求解效率。将上述基于复合形进化重组的并行混合算法应用于长江三角洲这一待优化参数个数很多并且考虑地面沉降因素的复杂地下水资源管理模型的求解。