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     

模糊遗传算法在水库长期优化调度中的应用

传统遗传算法常采用罚函数法来处理优化问题中的约束条件,但存在较难选择罚函数的缺陷.将模糊技术与遗传算法结合起来,通过对目标函数、约束条件的模糊化来重构适应度函数,将原问题转变为一个无约束条件问题,从而使优化结果精度得到提高.进行实例计算,并通过与动态规划法进行比较,说明了该方法的可行性与有效性.     

遗传算法在乌鲁瓦提水库优化调度中的应用研究

以乌鲁瓦提水库为研究对象,利用遗传算法进行求解,建立了乌鲁瓦提水库以年发电量最大为目标并兼顾下游综合用水要求的单库优化调度模型,计算结果表明,该方法比常规方法能使水库更好的发挥其综合利用功能,为乌鲁瓦提水库的合理利用与管理提供了理论指导.     

加速遗传算法在大桥水库电站优化调度中的应用研究

以四川省凉山州安宁河龙头水库大桥水库水电站为研究对象,利用加速遗传算法进行求解,首次建立了大桥水库电站以年发电量最大为目标并兼顾下游用水等要求的单库优化调度模型。计算结果表明,该方法能有效地克服标准遗传算法早熟收敛、计算量大、全局优化速度慢等缺点,能较好的应用于水库优化调度计算。同时,为进一步开展大桥水库水资源的合理利用与管理提供了理论指导。     

蜜蜂进化型遗传算法在水库优化调度中的应用

提出了一种基于蜜蜂进化型遗传算法的水库优化调度问题的求解方法,并通过实例对蜜蜂进化型遗传算法和标准遗传算法的性能做了比较.结果表明,在进化代数相同的条件下,由于蜜蜂进化型遗传算法在配种选择算子上使用种群的最优个体作为蜂王,提高了种群收敛速度;再者,在代进化过程中引入一个随机种群,保持了群体的多样性,提高了算法的勘测能力.     

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。     

基于遗传算法的水库中长期调度函数研究

传统采用对确定性优化算法所得的运算结果进行回归分析而建立水库调度函数的方法,对原有结果的拟合有较大的偏差;为此,建立水库线性调度函数求解模型,并用改进的遗传算法进行求解,同时采用“培训”的方法,加快算法收敛速度及性能。与基于POA优化的回归结果对比分析表明,遗传算法求解调度函数具有优势。     

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。     

基于遗传算法的水库调度策略研究

在水库运行中,选择适当的方法来推导水库运行策略是极其重要的。利用遗传算法优化北疆工程水库的运行模式,推导出水库优化运行规律;采用遗传算法模型的适应度函数使月灌溉需求的平方偏差和质量平衡方程的平方偏差最小;决策变量为每月从水库中灌溉的释放量和每月初水库的初始蓄水量;该优化考虑多种情况的约束和限制。研究结果表明,若要灌溉量等于灌溉需求,需要在7月份时达到最小蓄水量,在10月份时达到最大蓄水量,这样既满足了灌溉需求,又减少了全年调度过程中的水量损失。研究结果可为水库调度的实际应用中发挥作用。     

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.     

单纯形混合遗传算法在水库优化调度中的应用研究

针对遗传算法收敛速度慢,收敛率低等缺点作了改进,引进了单纯形算法与遗传算法相融合的单纯形混合遗传算法(SM-HGA),并将其应用于水电站水库优化调度中,通过实例计算证明改进后的单纯形遗传算法具有收敛速度快收敛率高的优点,是水库调度比较好的方法.     

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,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,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。     

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。     

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。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

混合粒子群算法在水库优化调度中的应用

水库优化调度是个非线性、强约束的组合优化问题,利用基本粒子解方法易于陷入局部优化;本文利用混合的粒子群算法,较好地克服了基本粒子群早熟和易于陷入局部最优的缺点,获得了更好的计算精度.实例结果表明,该方法有一定的有效性.     

基于逐次逼近遗传算法的梯级水库优化调度

利用传统遗传算法求解水库优化调度问题时,经过遗传操作产生的新个体可能是不可行解,因此需要对其进行修正.但在梯级水库调度中,由于各时段间、水库间存在的水力电力联系,使这种修正变得复杂困难.鉴于此,提出了逐次逼近遗传算法(GASA),它可在包含不可行解的空间中寻优,并通过搜索空间的不断改变,逐渐逼近最优解.最后通过一个算例,并与离散微分动态规划法(DDDP)和逐步优化法(POA)的优化结果进行比较,说明了该方法的可行性与有效性.