电阻率测深数据的粒子群算法反演

为较为精确地获得电阻率测深曲线反演的全局最优解,把具有群体智能的启发式全局搜索的粒子群算法应用于电阻率测深数据反演中,通过对多组测深曲线模型进行了试算,并对试算结果进行了分析,证明了粒子群算法在三层以下模型的反演中是可行和有效的,但对于多余三层的模型,反演结果精度不高,可结合其他算法进行综合反演。     

基于量子行为粒子群优化算法的河道糙率反演

糙率是河道水动力模型的重要参数,在模型中敏感性高,但其在实际工作中难以准确测定。量子行为粒子群算法(QPSO)是粒子群算法的发展,相对于粒子群算法,在全局收敛和收敛率上有很大提高。将量子行为粒子群优化算法与一维河道水动力模型耦合,建立河道糙率反演模型,并在淮河干流蚌埠到花园咀河段进行了模拟,取得了较好的效果。与其他糙率反演算法相比,该算法具有理论简单、参数少、易于编程实现、通用性强等优点。     

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。     

基于PSO的混凝土坝粘弹性力学参数反演

把坝和坝基视作一个系统。根据系统的实测位移反演系统材料的力学参数。用广义开尔文模型描述材料,用有限元软件MSC·Marc计算位移,按最小二乘进行优化,优化求解采用粒子群优化算法。编程进行了实例反演,所得结果的相对误差较小。粒子群优化算法较之遗传算法更大简便,可以较快地搜索到全局最优解。着重对粒子群优化算法作了介绍。     

改进粒子群优化算法在水电站群优化调度中的应用研究

针对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不足，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，与逐步优化算法获得的结果达到相当水平。     

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。     

基于改进粒子群算法的岩土工程参数反演

把粒子群算法引入岩土工程参数反演领域,并对基本粒子群算法进行改进,改进的算法(CSV-PSO算法)在粒子飞速移动中动态地调整粒子运行的速度极限及惯性权重,压缩搜索空间,从而克服了基本粒子群算法搜索精度不高、易陷入局部最优的缺点。算例表明,与POS算法相比,CSV-PSO算法的结果精度提高约1倍,耗时缩短40％,说明CSV-PSO算法是一种新颖可行的参数反演方法。     

基于改进粒子群算法的渗透系数参数反演分析

针对传统的粒子群算法存在收敛速度慢、易陷入局部最优的缺陷,依据水库原型观测数据和有限元数值计算结果,基于以e为底的指数函数的惯性权重策略的改进粒子群算法,减少了求解计算时间,提高了结果准确度,构建了大坝渗透压力监测控制统计分析模型,并分别采用标准粒子群算法和改进的粒子群优化算法反算了混凝土坝体、坝基的渗透系数。与实测值的对比结果表明,基于改进粒子群算法的渗透系数参数反演拟合效果良好,计算误差小、搜索效率快、辨识参数准确度高,具有较强的可操作性。     

基于TIPSO的水电站优化调度研究

针对水电站多目标联合优化调度问题,提出双层改进粒子群算法(TIPSO)。该算法通过动态廊道约束,提高粒子群算法中粒子初始解的质量;通过改进动态权重系数,增强粒子群算法在前期的全局寻优能力和后期的局部寻优能力,提高粒子群算法的收敛性。将该算法应用于求解河南省陆浑水电站多目标优化调度问题,计算结果表明双层改进粒子群算法具有较好的收敛性能;通过与动态规划算法计算结果对比,表明该算法求解高维、复杂、多约束问题的可靠性和有效性。     

水库发电优化调度改进粒子群算法应用

为进一步提升粒子群算法在水库发电调度中的应用效果，应用粒子群算法建立水库发电优化调度模型，从初始种群生成、寻优模式、更新策略等方面对算法进行改进，将均匀设计理念和混沌理念分别引入粒子群算法并对惯性权重进行了非线性自适应设计。计算结果与标准粒子群算法以及传统的动态规划进行了对比。结果表明，粒子群及其改进算法在水库发电优化调度中应用效果良好，综合考虑算法收敛能力、稳定性及计算耗时等指标，改进粒子群算法具有较高的实用价值。     

基于单纯形微粒群优化算法Jensen模型参数求解

提出了基于单纯形微粒群优化算法（SMPSO）直接求解作物水分生产函数Jensen模型参数的方法。通过计算分析,用传统方法计算而得Jensen模型的相对产量与实际相对产量的相关指数为0．825,而用SMPSO（PSO）计算而得的相关指数为0．932;SMPSO寻优仅需要0．3973s,而PSO需要1．0783s。     

基于改进粒子群算法的大坝监控加权统计模型

用于大坝安全监控的加权统计模型主要依据工程经验确定各因子的权重,这种求解方式易导致部分因子信息的缺失。根据大坝安全监测数据,应用粒子群算法可优化确定加权统计模型中各参数的最优解,但对于高维度优化问题,该算法存在收敛速度慢、易陷入局部最小等不足。针对这些不足,考虑粒子种群平均位置信息的影响,提出一种新的改进粒子群算法,利用单体与种群平均位置的距离信息确定两者之间的学习因子。土石坝工程实例分析结果表明:改进粒子群算法加强了种群跳出局部最小的能力,所得加权统计模型的权重符合工程实际情况。尤其在大坝运行初期,监测资料较少的情况下,基于改进粒子群算法的大坝监控模型具有较高的预测精度和预报能力,可为大坝监控领域提供一种新的数据分析方法。     

基于自由搜索的灌区优化配水模型研究

在求解优化配水问题时,遗传算法和粒子群算法是经常被采用的优化算法,然而在优化过程中可能出现早熟,从而会影响到配水模型的有效性。为此,本文引入一种新的基于动物群体的优化算法——自由搜索(FreeSearch)算法,并以实现单位灌溉水量的净收益最大为目标构建了灌区优化配水模型,设自由搜索中动物探查行走时的位置分量为模型寻优参数,应用自由搜索算法对模型进行优化求解。实例应用结果表明:与加速遗传算法和标准粒子群算法求解优化配水模型的结果相比,本文建立优化配水模型能为灌区提供更合理的优化配水方案,可使整个灌区及单位灌溉水量的净收益都获得显著增长。     

松江河梯级水电站短期优化调度数学模型分析

应用改进粒子群算法求解松江河梯级水电站短期优化调度问题,建立梯级电站发电量最大和发电效益最大短期优化调度数学模型。针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和基于遗传思想的变异算子对其进行改进。应用改进粒子群算法对松江河梯级水电站进行短期优化调度,分别采用发电量最大和发电效益最大数学模型进行算例分析。结果表明：对梯级电站进行短期优化调度可以提高梯级电站的整体质量和效益;应用改进粒子群算法求解梯级电站短期优化调度问题在求解时间、精度上都取得了满意的效果。     

基于蚂蚁和粒子群算法的土石方调运优化方法研究

本文分析了水利工程中土石方调运的影响因素及其特点，提出了一种基于蚂蚁算法和粒子群算法的土石方调运优化方法。与线性规划方法相比，该方法对调运问题的约束和目标函数没有线性要求，具有可以考虑实际工程中非线性约束、便于随机模糊分析等优点。在某大型堆石坝土石方调运中的应用及其与线性规划方法结果比较表明，本文提出的方法是可行的。     

基于文化粒子群算法的水库发电调度图绘制

为了解决使用常规方法绘制水库发电调度图时,典型水文年的样本容量有限、水文特征的代表性具有局限性的问题,引入了文化粒子群算法,采用信仰空间吸收种群的知识经验,形成规则引导种群进化,充分利用历史实测资料绘制调度图。通过实例研究,获得了较常规方法更优的结果,为优化方法在水电站中长期调度中的应用提供了一条新途径。     

基于投影寻踪的湖泊富营养化程度评价模型

针对湖泊富营养化评价指标的不相容性以及现有方法对等级的分辨率较粗略等问题,基于我国湖泊富营养化评价标准构建了投影指标函数,引入粒子群算法优化投影指标函数寻求最佳投影方向,应用最佳投影方向计算投影值,从而建立了评价湖泊富营养化等级的投影寻踪模型。同时引入混沌变量解决了采用随机生成样本系列的方法确定分段函数端点值存在的困难。实例应用结果表明,基于混沌映射的投影寻踪评价模型以投影值为单指标,采用分段函数的模型形式解决了湖泊富营养化的多指标综合评价问题,且该模型对湖泊富营养化等级的分辨率较高。     

基于模拟-优化模式的供水水库群联合调度规则研究

提出了基于模拟-优化模式的混联供水水库群联合优化调度规则求解框架。首先,通过构建虚拟聚合水库,编制联合调度图,以做出水库群对各用水户的供水方案;其次,通过优化成员水库供水任务分配因子,并结合供水水库群常规调度规则,实现共同供水任务在水库间的优化分配。采用改进粒子群算法 （NSPSO） 对观音阁-葠窝-汤河水库群联合供水调度模型决策变量 （联合调度图调度线位置和成员水库供水任务分配因子） 进行多目标优化,分析联合供水调度过程中目标之间的竞争关系,检验联合调度规则的合理性与有效性以及NSPSO算法的优化效率。     

Large scale reservoir operation by Constrained Particle Swarm Optimization algorithms

In this paper two adapted versions of Particle Swarm Optimization (PSO) algorithm are presented for the efficient solution of large scale reservoir operation problems with release volumes taken as the decision variables of the problem. In the first version, exploiting the sequential nature of the solution building procedure of the PSO, the continuity equation is used at each period to define a new set of bounds for the decision variable of the next period which satisfies storage volume constraints of the problem. Particles of the swarm are, therefore, forced to fly in the feasible region of the search space except for very rare cases and hence the name of the Partially Constrained Particle Swarm Optimization (PCPSO) algorithm. In the second, the periods of the operations are treated in a reverse order prior to the PCPSO search to define a new set of bounds for each storage volume such that partially constrained particles are not given any chance of producing infeasible solutions and, hence, the name of Fully Constrained Particle Swarm Optimization (FCPSO) algorithm. These methods are used here to solve two problems of water supply and hydropower operation of “Dez” reservoir in Iran and the results are presented and compared with those of the conventional unconstrained PSO and a genetic algorithm. Three cases of short, medium and long-term operations are considered to illustrate the efficiency and effectiveness of the proposed methods for the solution of large scale operation problems. The methods are shown to be superior to the original PSO and genetic algorithm in locating near optimal solutions and convergence characteristics. Proposed algorithms are also shown to be relatively insensitive to the swarm size and initial swarm compared to the original unconstrained PSO and genetic algorithm.     

基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究

梯级水库群防洪优化调度问题规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,各水库、各时段之间的水位、流量存在复杂的耦合关系,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟收敛问题。研究工作试图将量子粒子群算法(QPSO)引入到水库群防洪优化调度问题中,为了提高算法的全局搜索能力和收敛性能,对标准QPSO做了改进,包括利用混沌思想初始化种群、自适应激活机制和精英粒子混沌局部搜索策略3个方面,并引入多核并行计算技术以降低计算时间,提出了并行混沌量子粒子群算法(PCQPSO),函数测试证明了PCQPSO的可行性、稳定性和高效性。将PCQPSO应用到水库群防洪优化调度问题中,与POA、QPSO进行对比分析,结果表明PCQPSO收敛效率快、求解精度高,为解决梯级水库群防洪优化调度问题提供了一种有效的新思路。