基于多目标遗传算法的综合利用水库优化调度图求解

分析了常规方法求解综合利用水库调度图存在的问题。结合实例，提出了一个基于遗传算法的调度图求解模型。模型以保证率和缺水量为目标，以基本调度线为决策变量，通过水库的模拟运行结果评价可行解，然后利用遗传算子不断改进调度线，能直接搜索得出调度图的非劣解集。计算结果显示了模型较常规方法的合理性和优越性。     

多目标免疫遗传算法在梯级水库优化调度中的应用研究

为了提高遗传算法在多目标梯级水库优化调度中的应用效果,在标准遗传算法的基础上引入了免疫机制,并将其应用到周公宅-皎口水梯级水库优化调度中。计算结果表明,免疫遗传算法较好地克服了标准遗传算法收敛速度慢、易陷入局部极值、早熟等弱点。     

多目标优化改进遗传算法在电网规划中的应用

针对电网规划的多目标性，提出一种改进的多目标优化遗传算法。该算法利用多种群概念很好地完成了优化过程中的多目标归一问题，提高了优化速度，算法中的变权重因子使规划工作人员可以方便地将决策的侧重倾向加入到优化过程中，从而更好地符合实际需要。     

基于多目标遗传算法的水资源优化配置

本文利用遗传算法的内在并行机制及其全局优化的特性，运用一种基于目标排序计算适应度的多目标遗传算法(MOGA)，将水资源优化配置问题模拟为生物进化问题，通过判断每一代个体的优化程度来进行优胜劣汰，从而产生新一代，如此反复迭代完成水资源优化配置。优化结果表明，该算法应用在水资源优化配置中是成功的。     

多目标梯级水库优化调度问题的免疫遗传算法

在研究现有多目标遗传算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的优化调度算法--多目标免疫遗传算法,有效克服遗传算法的早熟、群体多样性不足及搜索速度慢等问题.同时,以梯级水库优化调度发电量和保证出力为目标,建立了三峡梯级水库多目标优化调度模型.通过实例研究计算,论证了该方法的有效性和实用性.     

模糊环境下流域开发管理的多目标多水库优化

本文用C语言开发了一个月的多目标遗传算法模糊优化模型。根据适应度函数的优化值确定遗传算法的参数,即种群规模、世代数、交叉概率和变异概率。所采用的遗传算子有随机余数选择、一点交叉和二值变异。为了最大化灌溉释放量,以水电产量最大化为目标运行模型。这些目标通过假设一个线性隶属函数来模糊化。这些模糊的目标同时通过定义满意度λ来最大化。该方法应用于多水库系统,并针对现有需求,提出了灌溉流量最大化、水电产量最大化和满足水平最大化的优化调度策略。并将所确定的优化调度策略与多水库系统的实际平均调度策略进行了比较。     

基于多目标规划方法的水资源优化调度

在考虑水量平衡、供水条件、库容约束及变量非负等约束条件下,建立最小引水量情况下的最小弃水的多目标模型,应用LINGO软件,求解该多目标优化模型.通过对实例进行优化调度,得出在浪费水量最小情况下,不同典型年需从区域外引水水量及向区域内各水厂供水量,证明了该模型是有效的.     

基于多目标决策技术的水库优化调度

现代水库承担的功用较多,传统的以单一功用为目标的水库调度已不能适应经济社会的发展。多目标决策在多个矛盾的目标下做出最优的均衡决策,有利于发挥水库综合功用。以水库本年发电量最大和下年水库蓄能最大双目标进行水库优化调度。工程实践证明,运用多目标决策技术进行水库调度可行、正确。     

基于多目标的叶尔羌河依干其水库优化调度研究

文章介绍了水库调度基本参数,建立了汛期多目标优化调度模型,并对其进行求解和分析。希望为今后水库优化调度研究提供理论基础。     

基于多目标遗传算法的水资源优化配置

文章基于进化计算思想提出了水资源优化配置的多目标遗传算法,建立了基于并列选择多目标遗传算法的水资源优化配置模型.并结合实例分析,求出水资源优化配置问题的Pareto最优解.优化结果表明,该算法应用在水资源优化配置中是合理、有效的.     

基于遗传算法的平面叶栅多目标优化设计

本文提出了一个基于小生境遗传算法的平面叶栅多目标优化设计方法。该方法利用奇点分布法设计无厚翼型初始骨线，在最大厚度一定的条件下，采用NACA—0012型空气动力翼型的厚度分布规律对已知骨线进行加厚得到翼型，从而得到平面叶栅。然后以平面叶栅表面边界层中的流动损失最小和翼型气蚀系数最低为多目标，用距离法构造二者统一的目标函数，利用遗传算法来搜索最佳的骨线形状。已知叶栅的流场分析由一个基于边界元的程序完成。假定总损失与叶栅表面边界层中的流动损失成正比，该损失可通过积分法计算叶栅边界层得到。将该方法应用于ZZ400叶栅的设计，结果显示可以得到较满意的解。     

基于遗传算法的水电站优化调度

水电站优化调度的主要目的是能够充分利用有限的水资源,使发电量更大,从而提高水电站的经济效益。由于遗传算法对求解的目标函数的连续、可导或单峰等性质不作约束,使其具有较好的全局最优求解能力。将遗传算法引入到本文研究的水电站优化调度问题当中,能够为水电站确定一个最优的调度方案。本文在给出电厂出力和各种约束条件的情况下,求解水电站通过调度闸门的开启来提高水电站的发电量,同时提高整个水电站电力系统的供电质量与运行的可靠性。     

基于廊道约束的水库调度图优化遗传算法

为解决水库常规调度图制作经验性强、未考虑水量和水头的最佳协调问题,对常规调度图中的调度线进行进一步优化。通过编码、迭代和数学评价指标建立了调度图逐线寻优方法,以解决调度图优化中多线、多时段导致的高维问题;通过小可行域迭代计算,建立基于廊道约束的遗传算法,减少了调度图优化的工作量,缓解了调度线形态畸变问题。实例模拟表明,对于年保证率允许降低的电站,通过适当降低年保证率,可以提高多年平均发电量。     

遗传算法在跨流域引水工程优化调度中的应用

本文将遗传算法应用于大伙房水库跨流域引水工程长期优化调度中。为解决进化过程中产生的部分破坏约束条件的个体,采用对破坏约束条件时段的初末水位做出在水位允许区间内降低或抬高到某随机值的调整的改进方法,使得遗传运算得到的个体绝大部分为可行解,能够更快速地找到全局最优解。与传统的长系列法相比,在满足年保证率的前提下不但降低了引水量,而且提高了农业供水保证率。     

自适应遗传算法在水库优化调度中的应用

本文提出了一种基于自适应遗传算法的水库优化调度问题的求解方法，并通过实例对自适应遗传算法和标准遗传算法的性能做了比较。结果表明，由于自适应遗传算法能够在进化过程中根据个体优劣和群体分散程度对遗传控制参数进行自动调整，可以较好地解决标准遗传算法在应用中遇到的收敛性差和容易早熟等问题。在进化相同代数条件下，自适应遗传算法能够在保持群体多样性的同时，加快收敛速度，其稳定性也优于标准遗传算法。遗     

基于多目标混沌优化算法的水资源配置研究

本文将多目标混沌优化算法,应用于水资源优化配置中,该方法将多目标属性与混沌遍历性耦合起来,将混沌序列放大到优化变量的取值范围进行迭代寻优,避免了搜索过程陷入局部极小点,克服了要求目标函数和约束条件连续、可微的困难.经过实例计算,证明了算法的有效性.     

遗传算法在水库调度中的应用综述

简要回顾了遗传算法在水库调度中的应用概况,对遗传算法用于水库调度优化时的编码、约束条件处理、早熟与全局收敛性、参数设置、混合遗传算法、多目标遗传算法以及效率评定准则等问题进行了综述。分析遗传算法耗时与全局收敛之间的矛盾后认为,遗传算法适用于传统方法难以求解的优化问题,以及对计算时效性要求不高或者目标函数计算复杂度不高的实时水库调度问题,特别是水库中长期调度以及水资源规划问题。     

基于混沌遗传程序设计的参考作物腾发量预测模型

利用混沌算法的全局空间寻优性能和遗传程序设计的结构自动寻优功能,建立了基于混沌遗传程序设计的参考作物腾发量预测模型。设计多组数字实验,研究输入因子间相关性对模型预测准确性的影响。预测结果与PenmanMontieth方法计算结果比较表明,该模型以混沌算法优化模型中的参数,在一定程度上解析其他模型可能因为其中的参数未能达到最优而被淘汰的问题。适应性强,精度高,为参考作物腾发量的预测提供了新的有效方法。