改进的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度变异模块相结合的分层收敛算法:第一层采用广度变异和外部存档的方式改善种群的多样性;第二层嵌套广度变异模块,并采用自适应遗传算法进行全局搜索。通过比较自适应遗传算法和分层进化算法,结果显示:基于遗传算法的分层算法具有高效的全局搜索能力,避免了自适应遗传算法陷入局部最优的缺陷,在一定收敛条件下得到了更接近全局最优的目标值。     

基于改进蝙蝠算法的梯级水库发电优化调度

针对梯级水库优化调度高维度、多约束以及非线性优化的特点,将自适应权重以及连续禁忌搜索算法引入标准蝙蝠算法,改善标准蝙蝠算法在水库优化调度应用中出现的早熟收敛且陷入局部最优的问题:一方面利用自适应权重避免因更新步长机制导致寻优能力不足的问题;另一方面利用连续禁忌搜索算法避免因种群多样性差导致陷入局部最优的问题。案例分析结果表明,改进蝙蝠算法能有效运用于水库发电优化调度中,并且与标准蝙蝠算法相比,具有更强全局寻优能力、更高的运行效率,得到的运行调度结果更优。     

基于初始种群变异遗传算法的水电站优化调度

为解决自适应遗传算法应用于水电站优化调度时易陷入局部最优解的问题,在自适应遗传算法中加入了初始群体变异策略,首先对初始种群进行深度变异并保存优秀个体,然后再对保存的优秀个体采用自适应遗传算法进行全局搜索。水电站优化调度实例表明:采用初始种群变异策略的遗传算法具有更高的全局搜索能力,得出的结果比自适应遗传算法更佳,克服了自适应遗传算法易过早陷入局部最优的缺陷。     

基于改进粒子群算法的水库优化调度研究

对粒子群优化算法易陷入局部最优的缺点作了改进,提出了一种带有扰动项的改进的粒子群优化算法,并将其应用于水电站水库优化调度中。实例计算证明,改进后的粒子群优化算法具有较好的全局搜索能力,能够有效克服陷入局部最优的缺点,是水库优化调度比较有效的方法。     

基于混沌变异布谷鸟算法的水库供水优化调度

根据水库联合供水优化调度的特点,建立了混沌变异布谷鸟算法求解多阶段组合优化问题的数学模型。针对标准布谷鸟算法全局寻优及局部搜索能力不平衡、后期收敛速度慢等缺点,采用混沌初始化以丰富种群的多样性,为全局寻优建立基础;同时引入变异算子以避免算法后期陷入局部最优。并以"山西大水网"为背景,将改进的布谷鸟算法应用于长治盆地供水区的优化调度,通过与标准布谷鸟算法进行对比,验证了混沌变异布谷鸟算法在水库联合优化调度中的有效性和优越性。     

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点,本文提出一种新的惯性权重系数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LDIWC),同时,将遗传算法中的染色体交叉、变异思想引入粒子的更新策略,提高粒子的多样性,增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例,建立基于改进粒子群优化算法的库群长期优化调度模型。计算结果表明,该模型的调度结果显著优于常规粒子群优化算法,与逐步优化算法结果水平相当。     

改进微粒群优化算法在水库防洪调度中的应用

微粒群算法(PSO)是一种新颖的智能计算优化方法,具有全局寻优、收敛速度快等优点。针对标准PSO搜索精度不高和易陷入局部最优的缺点,提出了一种在速度进化方程中引进收敛因子的方法,改进了标准微粒群算法的收敛性。将改进的微粒群优化算法用于水库优化调度计算,结果表明,改进的PSO计算结果合理、有效,可作为水库防洪优化调度的一种新方法。     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,并通过引入罚函数解决强约束问题。以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

混合粒子群算法在水库中长期发电优化调度中的应用

针对传统粒子群算法(PSO)早熟收敛、局部搜索能力不足等问题,提出一种混合粒子群算法(HPSO)求解水库优化调度问题。该算法引入混沌思想的遍历性特点生成初始解,提高初始种群质量;采用自适应惯性权重法平衡个体搜索行为,避免陷入局部最优。百色水库中长期发电优化调度实例研究表明,HPSO比PSO有更好的收敛性和优化结果,同时计算时间较传统动态规划方法大幅缩减,且优化结果相近,是一种水库优化调度可供选择的计算方法。     

改进遗传算法及其在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立遗传算法(GA)求解多阶段最优化问题的数学模型.针对标准遗传算法(sGA)局部寻优能力较差、易早熟等不足之处,从编码方法、遗传算子和混合算法方面对其进行改进,提出了采用超立方体浮点数编码自适应遗传算法(AGA)和超立方体浮点数编码遗传模拟退火算法(SA-GA).通过16种不同策略的GA在雅砻江梯级优化调度中的应用,其结果表明了改进策略在解决水库群优化问题方面的有效性和优越性.最后将GA与动态规划(DP)算法的性能进行比较分析,充分体现了GA的优点.     

Optimizing Hydropower Reservoir Operation Using Hybrid Genetic Algorithm and Chaos

Genetic algorithms (GA) have been widely applied to solve water resources system optimization. With the increase of the complexity and the larger problem scale of water resources system, GAs are most frequently faced with the problems of premature convergence, slow iterations to reach the global optimal solution and getting stuck at a local optimum. A novel chaos genetic algorithm (CGA) based on the chaos optimization algorithm (COA) and genetic algorithm (GA), which makes use of the ergodicity and internal randomness of chaos iterations, is presented to overcome premature local optimum and increase the convergence speed of genetic algorithm. CGA integrates powerful global searching capability of the GA with that of powerful local searching capability of the COA. Two measures are adopted in order to improve the performance of the GA. The first one is the adoption of chaos optimization of the initialization to improve species quality and to maintain the population diversity. The second is the utilization of annealing chaotic mutation operation to replace standard mutation operator in order to avoid the search being trapped in local optimum. The Rosenbrock function and Schaffer function, which are complex and global optimum functions and often used as benchmarks for contemporary optimization algorithms for GAs and Evolutionary computation, are first employed to examine the performance of the GA and CGA. The test results indicate that CGA can improve convergence speed and solution accuracy. Furthermore, the developed model is applied for the monthly operation of a hydropower reservoir with a series of monthly inflow of 38 years. The results show that the long term average annual energy based CGA is the best and its convergent speed not only is faster than dynamic programming largely, but also overpasses the standard GA. Thus, the proposed approach is feasible and effective in optimal operations of complex reservoir systems.     

Long-Term Stochastic Reservoir Operation Using a Noisy Genetic Algorithm

To deal with stochastic characteristics of inflow in reservoir operation, a noisy genetic algorithm (NGA), based on simple genetic algorithms (GAs), is proposed. Using operation of a single reservoir as an example, the results of NGA and Monte Carlo method which is another way to optimize stochastic reservoir operation were compared. It was found that the noisy GA was a better alternative than Monte Carlo method for stochastic reservoir operation.     

基于改进遗传算法的生态友好型水库调度

以锦屏梯级水库为案例,从系统工程论的角度出发,将梯级水库作为物理系统,以年发电量为目标函数,建立了梯级水库调度优化模型。为减少水库调度对河道生态系统的影响,在鱼类栖息地模拟的研究基础上,引入目标物种的生态需水过程对调度模型进行动态约束,并采用改进的遗传算法进行求解。研究得到了满足目标鱼类生态需水条件下发电量最大的梯级水库调度策略,并对生态流量满足程度与工程效益损失之间的定量响应关系进行了研究,提出了折中方案选择的基本原则。     

Improved Krill Algorithm for Reservoir Operation

Much of the world is facing water scarcity during one or the other part of the year. Hence, water resources management and optimal operation of water resources system take on added importance these days. This study introduces an improved version of krill algorithm for reservoir operation. The algorithm is based on adding an onlooker search mechanism to avoid being trapped in local optima and then updating its position. The new krill algorithm is tested using a case study for irrigation management. The computation time is 33 s for the new algorithm but is 54, 59, and 60 s for krill algorithm, particle swarm optimization and genetic algorithm, respectively. Also, the improved krill algorithm can meet 97% of irrigation demands and has the lowest value of vulnerability index among genetic algorithm, particle swarm optimization, and simple krill algorithm. Also, the average solution of improved krill algorithm is close to the global solution. Results indicate that the improved krill algorithm has high potential for application in water resource management.     

供水水库多目标生态调度研究

根据我国北方地区径流特征及供水水库调度的实际需求,构建了供水水库多目标生态调度模型。模型将下游生态需水过程分为最小生态需水及适宜生态需水两个等级,要求枯水期水库放水过程能够满足河流最小生态需水要求,确保下游生态不退化;丰水期放水过程贴近适宜生态需水过程,为下游提供良好生境。基于该模型,采用自适应遗传算法,对承德双峰寺水库生态调度问题进行了优化求解,结果表明该模型能够对北方供水水库生态调度决策提供支持。     

应用单亲遗传算法进行树状管网优化布置

树状管网布置优化属于典型的组合优化问题。本文针对树状管网布置的特点，以图论和遗传算法为理论基础，应用改进遗传算法 单亲遗传算法进行树状管网优化布置，并设计了相应的适应度函数、单亲换位算子和逆转算子。与Dijkstra算法和Kruskal算法相比，单亲遗传算法直接以管网投资最小为优化目标，能够获得一批管网投资最小的布置方案，且算法的寻优效率较高，收敛性和稳定性较好。