一種基于多目標混合蛙跳差分算法的水庫調(diào)度方法 專利0915

1、1說明書一種基于多目標混合蛙跳差分算法的水庫調(diào)度方法一種基于多目標混合蛙跳差分算法的水庫調(diào)度方法所屬技術(shù)領(lǐng)域所屬技術(shù)領(lǐng)域本發(fā)明屬于水利水電領(lǐng)域的水庫調(diào)度領(lǐng)域，特別是一種基于多目標混合蛙跳差分算法的水庫調(diào)度方法。背景技術(shù)背景技術(shù)水庫優(yōu)化調(diào)度是一個多約束多階段決策的動態(tài)、復(fù)雜非線性系統(tǒng)的最優(yōu)控制問題，特別是對于防洪、發(fā)電、灌溉、供水、航運、排沙等多目標的綜合利用水庫，更增加了優(yōu)化求解的復(fù)雜度。隨著優(yōu)化技術(shù)的發(fā)展以及對水庫調(diào)度研究的不斷深入，

2、先后有各類優(yōu)化算法被引入到水庫的優(yōu)化調(diào)度中，包括一些經(jīng)典傳統(tǒng)優(yōu)化算法、最優(yōu)控制理論方法(如大系統(tǒng)方法)以及集群智能算法等。傳統(tǒng)優(yōu)化技術(shù)成熟可靠、效率高，但應(yīng)用于多目標優(yōu)化時易出現(xiàn)“維數(shù)災(zāi)”等問題，增加了問題求解的難度。近年來，隨著計算機以及人工智能技術(shù)的發(fā)展，一些智能優(yōu)化算法如遺傳算法、神經(jīng)網(wǎng)絡(luò)法、蟻群算法、粒子群算法、混沌優(yōu)化算法等也開始逐步應(yīng)用于水庫優(yōu)化調(diào)度領(lǐng)域，由于它們優(yōu)化效果顯著、適用范圍廣泛，且對于求解空間復(fù)雜、多維與非線性的

3、問題具有良好的適應(yīng)能力，正逐漸成為水庫優(yōu)化調(diào)度領(lǐng)域的研究熱點。差分進化算法(DifferentialEvolution，DE）是由Stom.R和Price.K于1995年提出的一種隨機并行直接搜索算法，具有結(jié)構(gòu)簡單、易于理解、可調(diào)參數(shù)少、魯棒性強等優(yōu)點，DE通過不同的進化策略選擇若干個體向量干擾現(xiàn)有的個體，生成新的個體向量，依據(jù)一對一的競爭優(yōu)選策略決定新個體向量或者干擾向量進入下一次迭代過程。DE中特有的進化策略使得算法具有針對較優(yōu)個體

4、的記憶能力，促使較差個體迅速向最優(yōu)個體靠攏，具有較強的全局收斂性和魯棒性?；旌贤芴惴ǎ?ShuffledFrogLeapingAlgithm，SFLA）是一種基于群體智能的后啟發(fā)式計算技術(shù)，于2003年由Eusuff和Lansey提出并應(yīng)用于水資源管網(wǎng)分配問題，因其兼顧了模因演算法（MA）與粒子群算法（PSO）兩者的優(yōu)點，具有算法參數(shù)設(shè)置少，局部搜索與全局搜索并重的特點，后逐漸在模式識別、信號與信息處理和函數(shù)優(yōu)化領(lǐng)域取得成功應(yīng)用。與其

5、他智能優(yōu)化算法類似，基本SFLA也存在算法尋優(yōu)能力依賴參數(shù)設(shè)置、后期易陷于局部最優(yōu)解、收斂速度較慢等問題，并且在SFLA的初始化階段，初始種群的分布性質(zhì)將會影響3的水庫水位值序列構(gòu)成初始種群：(1112…1)，(2122…2)，……，(12…)（5）計算每個個體的各個目標函數(shù)值，進行非支配排序，依據(jù)動態(tài)更新機制更新外部歸檔集（EA），隨機選擇全局最優(yōu)解，其中具有動態(tài)更新機制的外部歸檔集操作流程如下：①當全局迭代次數(shù)為0時，轉(zhuǎn)入步驟②⑥，

6、否則，轉(zhuǎn)入步驟⑦；②計算種群中個體的目標函數(shù)值，并進行快速非支配排序，當非劣解個數(shù)大于時，執(zhí)行步驟③，否則，執(zhí)行步驟④；③計算每個非劣解的擁擠距離，將邊界點賦予無窮大擁擠距離，以保證進入下一代，按照擁擠距離大小進行排序，刪除擁擠距離最小的個體，重新更新?lián)頂D距離，直至達到外部歸檔集規(guī)模后停止，將更新后個體輸出到EA；④如果非劣解集個數(shù)小于EA設(shè)定規(guī)模，利用模擬二項式交叉策略增加個體數(shù)量；將新產(chǎn)生的個體與原非劣解進行非支配排序，計算非劣解的

7、擁擠距離，平均擁擠距離記為，若1等級為1的非劣解個體數(shù)大于，轉(zhuǎn)到步驟②，否則，轉(zhuǎn)到步驟④；⑤計算非劣等級為2的個體的擁擠距離，平均擁擠距離記為，刪除序列等級1、2中2擁擠距離低于平均擁擠距離的個體；⑥完成EA中精英個體的繁殖與優(yōu)選，隨機選擇種群最優(yōu)解。⑦將全局迭代新生成的非劣解與EA中精英解進行支配比較，替換EA中被支配的解，完成EA的更新，隨機選擇種群最優(yōu)解。（6）按照非劣等級對種群個體在各等級內(nèi)隨機排序，所有個體混合后劃分個子種群，