自适应混沌差分进化算法在梯级水库优化调度中的应用

介绍了一种基于自适应混沌映射的差分进化算法,该算法采用混沌映射的方式产生初始种群,并综合考虑算法迭代进度和个体进化程度两个因素,对缩放因子进行动态调整以促进算法全局搜索和局部寻优的平衡。同时,在算法进化的不同阶段采取不同尺度的扰动策略,进一步提高算法的再搜索能力。将该算法应用于某梯级水库发电调度的研究中,通过实例计算,并与基本差分进化算法、模拟退火算法相比,得到了更优的全局最优解,验证了该算法的可靠性和实用性。     

改进差分进化算法在水库优化调度中的应用研究

差分进化算法在求解水库优化调度时,进化后期种群多样性急剧下降,导致算法无法跳出局部最优解而出现“早熟”收敛。针对该问题,该文对算法的贪婪选择策略进行改进,使其以一定的概率动态接受稍差解作为子代个体,从而提高算法的种群多样性;同时,提出种群基因重生策略,进一步改善种群进化的基因信息结构。将改进的差分进化算法应用于清江梯级发电调度问题,并与差分进化算法、模拟退火算法求解结果进行对比。模拟结果表明,改进算法具有更强的全局搜索能力,求解梯级水库优化调度问题更具有优势。     

基于差分进化算法的水库防洪优化调度研究

由于影响和制约因素众多,水库防洪优化调度方案的制定是一个非常复杂和有相当难度的课题。本文以最大削峰为目标,基于差分进化(DE)算法建立多约束的水库防洪优化调度模型,给出了水库防洪优化调度问题的DE算法的求解步骤。将该算法应用于潘家口水库防洪优化调度实例问题的求解,求解结果与动态规划和粒子群算法的求解结果进行比较。该算法应用于水库防洪优化调度,可以充分发挥水库的防洪调节能力,确保水库自身以及下游防洪对象的安全,为水库提供合理有效的优化调度方案。     

混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。     

改进的多目标差分进化算法在水库优化调度中的应用

水库多目标优化调度是一个复杂的系统优化问题,属于高维、多约束、非线性问题的优化领域。智能优化算法在求解水库多目标优化调度时,存在非劣解较少、分布不均匀及不收敛等问题,基于上述问题,提出一种求解新思路,通过加入精英保留机制并用拥挤距离来维持外部精英集改进多目标差分进化算法。建立了多目标水库优化调度模型,并以综合利用的漳河水库多目标优化调度为例进行了求解,结果表明该算法能够得到分布较为均匀的非劣解集,证明方法在水库多目标优化调度中是有效的。     

水库优化调度混沌蚁群算法数学模型实例研究

本文在分析研究混沌优化和蚁群算法的基础上,将两种算法的思想组合优化,研究建立了混沌蚁群算法水库优化调度数学模型,并结合混沌优化和蚁群算法求解了该模型,完成了水库的优化调度计算。     

基于多目标差分进化算法的水库多目标防洪调度研究

为求解水库多目标防洪优化调度问题，提出一种基于自适应柯西变异的多目标差分进化算法。算法采用一种自适应柯西变异策略克服早熟收敛问题，提高了收敛精度；根据多目标优化的特点对差分算子进行修正，并引入外部档案技术，提高了算法的收敛速度。通过对典型历史洪水的多目标调度研究，结果表明基于自适应柯西变异的多目标差分进化算法在可接受的时间内，可生成大量在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选，为水库多目标防洪调度决策提供了一种新的调度方案生成方法。     

基于多目标差分进化算法的水库多目标防洪调度研究

为求解水库多目标防洪优化调度问题,提出一种基于自适应柯西变异的多目标差分进化算法,克服了早熟收敛问题,提高了收敛精度;同时,根据多目标优化的特点对差分算子进行修正,并引入外部档案技术,提高了算法的收敛速度。本文以坝前最高水位最低、最大下泄流量最小和汛末水位最接近汛限水位为目标,对三峡水库展开多目标防洪调度研究,结果表明,该算法可在较短时间内生成大量在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选,为水库多目标防洪调度决策提供了一种新的调度方案生成方法。     

动态差分进化算法在梯级水库优化问题中的应用

采用标准差分进化算法在求解梯级水库优化问题时,随着解链长度的增加,算法求解性能下降,进化后期种群多样性降低,算法极易陷入局部最优解。为此,定义了个体差异参数来动态控制差分进化算法的缩放因子,即定义算法可进化度参数来动态控制算法的选择机制。通过对比标准差分进化算法、逐步优化算法和动态差分进化算法求解2个标准测试函数和某梯级水库优化调度的模拟仿真结果,发现后者较前者的全局搜索能力有了显著提高。     

单一水库优化调度方案在水库调度中的应用研究

水资源作为一种可再生资源,在生产生活中占据着十分重要的地位,水库的优化调度能够进一步提高水资源的利用率。本文在分析了水库优化调度理论;研究现状以及发展趋势的基础上,介绍了两种水库优化调度的基本法模型：动态规划（DP）数学模型以及逐步优化算法（POA）数学模型。对单一水库的优化调度,提高水库的综合效益,意义将是非常深远的。通过模型计算,可得到水库优化调度的具体方案,根据优化方案,结合水库特点,制定合适的实施策略。研究成果对进一步开发更为完善的单一水库优化调度方案有着重要的推动作用。     

蜂群遗传算法及在水库群优化调度中的应用

介绍了一种基于蜂群繁殖原理的改进遗传算法--蜂群遗传算法(BSGA),采用改进的遗传算子解决了传统遗传算法中"选择压力"和"种群多样性"之间的矛盾.将该算法应用于梯级水库优化调度的研究中,通过对清江梯级水库群优化调度的实例计算,得到了合理的全局最优解,验证了BSGA的可靠性和实用性.     

模拟植物生长算法在水库群优化调度中的应用

介绍了模拟植物生长算法的基本原理,针对梯级水电站优化调度问题的特点,建立了该问题的模拟植物生长算法求解模型.对基本模拟植物生长算法进行了改进,并设计了相应的算法步骤.在此基础上,将基本模拟植物生长算法及其改进算法应用于水库群优化调度中.通过对雅砻江梯级优化调度的应用分析,表明由形态素浓度决定其方向性和随机性搜索机制的模拟植物生长算法具有较强的全局搜索能力,为解决水库群优化调度问题提供了新的途径.     

遗传算法在水库(群)优化调度研究中的应用综述

介绍了遗传算法在水库(群)优化调度中的应用背景及算法的收敛性,讨论了水库(群)优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望.     

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。     

基于育种算法的水库优化调度

介绍了一种从遗传算法改进而来的算法--育种算法,它将遗传算法中的选择、交叉及变异这3个过程简化为1个过程.在用于水库优化调度计算时,与经典算法相比较,该算法原理简单,易编程实现,占用计算机内存少,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.     

结合广度搜索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搜索算子结合的算法,同时为保证水库优化调度搜索全局最优提供了一定保障。针对遗传算法容易陷入局部最优的缺点,引入正弦函数取随机数的广度搜索与遗传算法相结合的算法。通过分析比较单独使用自适应遗传算法或者广度搜索算法以及结合算法在实际水库优化调度中效果,结果显示,优化结果要比自适应遗传算法以及广度算法的结果更理想。充分证明了结合算法的高效全局搜索能力,避免了自适应遗传算法陷入局部最优,同时在一定程度上克服了广度搜索很难收敛的缺点,在一定收敛条件下得到了更接近全局最优的结果。     

粗粒度并行自适应混合粒子群算法及其在梯级水库群优化调度中的应用

为了充分利用现今普及的多核配置计算机,提高大规模梯级水库群优化调度问题的求解效率,提出了梯级水库群优化调度的粗粒度并行自适应混合粒子群算法。该方法以自适应混合粒子群算法为求解基础,采用粗粒度并行设计模式,利用Fork/Join多核并行框架的分治策略,将其初始种群递归划分为多个子种群,平均分配到不同的内核逻辑线程中实现并行计算,并在各子种群优化结束后,合并优化结果集从而输出全局最优解。以澜沧江下游梯级水库群发电优化调度为例,利用该方法进行计算。结果表明,该方法能充分发挥多核配置的计算性能,在4核环境下最大加速比达到3.97,缩短计算耗时1 787.2 s,计算效率显著提高,为我国不断扩张的大规模梯级水库群优化调度提供了一种切实可行的高效求解途径。