排水干道水位控制的优化问题

在平原圩区,排水干道水位的控制,不仅关系到农田排水效果,而且影响到排水系统的工程投资及其运行费用,因而是圩区除涝规划中需要解决的重要问题之一。本文应用动态规划理论,探讨了一个解决排水干道水位控制优化问题的方法,并附有计算实例。计算成果表明该法是可行的。     

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题，难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术，但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式；详细分析了传统蚁群算法的未成熟收敛现象及其原因；提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解，能很好地协调局部搜索与全局搜索，在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明，该方法具有很高的计算效率和良好的全局收敛性。     

基于模糊控制遗传算法的输电系统最优化规划

用遗传算法求解优化问题时，要花费大量时间对基因进行测试、组合，速度较慢。另外，遗传算法的性能还强烈地依赖于一些相关参数（例如交叉和变异的概率）的选取。文中以电网规划为背景，对简单遗传算法（SGA）进行了多方面改进，得到模糊控制遗传算法(FLCGA)。该算法速度快，收敛到全局最优解的概率大。与基于传统遗传算法的电网规划比较，FLCGA具有明显的优越性。     

平原河网地区圩区建设与规划的几点思考

太湖流域属平原河网地区,圩区是太湖流域的基本单元,地势低洼,水网纵横,易遭受洪涝威胁灾害,圩区治理是保障流域人民生活生产安全的重要措施之一。在此简单回顾了太湖流域圩区的历史和现状,从流域防洪整体安全的角度,初步探讨了太湖流域圩区治理存在的几点问题,针对圩区建设与规划提出几点建议意见,为平原河网地区圩区建设与规划提供参考。     

基于正交试验法的平原圩区排涝泵站优化调度

为提高排涝泵站的防洪除涝效率,通过构建圩区排涝泵站的优化调度模型,制定对应的正交试验方案,运用遗传算法对试验方案进行优化求解,得到圩区排涝泵站在“等功耗下排水量最大”的优化调度方案。结果表明,正交试验法可缩短优化调度方案的制定周期,其优选出的泵站调度方案可有效提高排涝泵站的防洪除涝效率。     

基于MATLAB 7.0的GA工具箱在渡槽优化设计中的应用

针对工程优化问题中的多变量、复杂非线性约束条件，运用GA工具箱，对某渡槽结构进行优化，得出了令人满意的优化结果。研究表明，遗传算法工具箱使用简单方便，且能根据不同的优化指标、计算精度寻找出最佳结果，充分体现了遗传算法的全局搜索性能。本优化方法具有计算可靠，快捷高效和图形结果可视化等特点，并具有广阔的应用前景。     

基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务，在满足各种约束条件下求得全局最优解是一个比较困难的问题。传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题。针对电力系统日发电计划的特点，提出了一种混合智能messy遗传算法(HIMGA)，该算法实现简单，大大减小了求解问题的规模，保证了群体的多样性，提高了算法的搜索效率，改善了算法的收敛性。仿真计算结果表明了该算法的有效性和实用性。     

四湖排水系统优化运行规划的模型化方法

本文是中、加合作“四湖优化调度研究”成果之一部分.它采用多种系统分析方法，发展了大型圩区排水系统优化运行规划的模型化方法，提出包括调度模型和基本资料模型的完整模型体系.文中重点介绍优化模型、统计模型和模拟模型的结构、基本特性与功能.经四湖中下区排水系统应用表明：模型仿真性较好，方法是可行的。     

用改进的遗传算法反演地下水数值模型参数

在简单的遗传算法的基础上，结合优体克隆操作、子体优生操作和多代调环操作，提出了一种综合改进的遗传算法，并以非均质各向同性承压二维非稳定流动为算例，以有限元法讨论了用遗传算法反演地下水数值模型参数的过程。计算结果表明，综合改进的遗传算法进行参数识别时，具有收敛速度快、解的精度高和避免出现早熟等优点，可用于地下水渗流和水资源评价计算中。     

基于杂交粒子群响应面的边坡稳定可靠性算法

针对可靠度指标β数学优化模型的理论不足,以及常规数学优化方法易陷入于局部最优解的问题,提出了基于杂交粒子群响应面的边坡可靠性算法。新方法以β的几何意义为基础,在对正值物理量、非正态、非独立随机变量预处理的基础上,补齐了附加约束条件,完整地给出了可靠性求解的数学优化模型,并澄清了β的正负取值问题。采用二次响应面法构造极限状态方程,并基于杂交粒子群算法搜索β的全局最优解。3个代表性案例结果证明:完善后的可靠性数学优化模型理论正确,对从数学优化角度求解可靠性问题进行了有效补充;基于杂交粒子群响应面的可靠性算法具有较好的全局搜索能力和较高的精度,与蒙特卡洛法的计算结果接近,但迭代次数明显减少,计算效率更高。     

基于试验遗传算法的水电站加劲压力埋管优化设计

水电站地下埋管的结构最优化设计是一个多维混合变量的非线性优化问题,采用常规优化方法求解有较大困难,为此提出基于试验优化设计思想的改进遗传算法———试验遗传算法。实例表明,由于该算法能自动调整计算精度,更好地保持种群多样性而易获得全局最优点,且计算简单、高效,对水利水电工程中常见的高维非线性优化问题适用性强,具有较高的推广应用价值。     

边坡稳定极限分析斜条分上限法的全局优化方法

边坡稳定极限分析斜条分上限法需要寻求最小安全系数对应的临界滑动模式。由于待优化变量中包含了滑裂面位置与条块界面倾角,问题的自由度与非线性程度明显增加,寻找安全系数的整体极值变得十分困难。本文建立了任意形状滑裂面通过与不通过软弱夹层两种情况下斜条分上限法滑动模式优化的数学模型。为保证在随机搜索过程中生成合理的滑动模式,引入一系列约束条件,将临界滑动模式的搜索问题转化为一个有界约束的数学极小值问题,并结合遗传算法和粒子群算法两种全局优化方法,对多个典型算例进行对比分析。研究表明,提出的模型可以解决优化过程中生成不合理滑动模式的问题,不仅极大地提高了优化效率,而且可以避免数值计算不收敛的麻烦;将模型与全局优化算法相结合,在大多数情况下能够得到一个合理的、与极限平衡解十分接近的上限解,具有较好的全局收敛性。     

改进风驱动优化算法在水库调度中的应用

风驱动算法是一种新兴的基于群体迭代启发式的全局优化算法,与遗传算法、布谷鸟算法等相比,具有明确的物理背景,但该算法避免不了易陷入早熟和收敛效率慢的问题。针对早熟,本文提出了扰动策略,对当前最优适应度值对应的任一元素进行扰动,且随着迭代次数的增加,扰动量逐渐减少。针对收敛效率不高,提出了空间压缩策略,采用奇偶相间的方式,通过计算约束更新解的上下限以保证该解是可行解。将改进的风驱动优化算法运用到某水库的优化调度中,并与粒子群算法和标准风驱动算法进行比较。结果表明改进的风驱动优化算法更为可靠、高效,能以较快速度收敛于最优解,且最优解值更大,为水库优化调度模型求解提出新的解决方案。     

基于模拟退火遗传算法的自压树状管网优化

将遗传算法全局优化和模拟退火的良好局部搜索能力有机结合,构造出一种退火遗传算法用于自压树状管网的优化设计方法。假定管网中每一管段最多只能由两种管径的管道组成,建立了以管网造价为目标函数,以管长、标准管径为决策变量的自压树状管网优化数学模型。采用基于不可行度的退火算法处理约束条件,应用遗传算法进行优化计算。仿真实例结果表明,该模型与算法在求解自压树状管网优化问题上,具有良好的优化性能和求解效率。     

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。     

利用多岛遗传算法的侧式进/出水口体型优化研究

水工建筑物体型优化一般通过物理模型试验或数值模拟对设定体型进行水力特性研究,针对不利的水力指标调整体型再进行研究,直至获得满意的较优体型,这是传统的做法。双向水流条件下的侧式进/出水口体型优化可视为多目标优化问题。本文将加权后的水头损失系数定为目标函数,以孔口断面流速不均匀系数和孔口间流量不均匀系数为约束条件,将多目标优化转化为单目标优化,利用多岛遗传算法进行进/出水口体型优化,可以获得最优体型。此外,参数化建模方法和基于CFD的响应面模型的应用,加快了建模与数值模拟速度,提高了优化效率。以某下水库侧式进/出水口为例,按照本文方法得到的推荐体型与原体型相比,进/出流的总水头损失系数降低3.35%,出流时流速不均匀系数减小14.50%,进/出流的流量不均匀系数均小于20%。该研究方法为水工建筑物体型优化提供了便捷的途径。     

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。     

对流-扩散方程源项识别反问题的遗传算法

给出了利用遗传算法求解对流一扩散方程源项识别反问题的一种新方法。该方法把源项反问题转化为优化问题，用遗传算法求解。它的特点在于：从多个初始点开始寻优．并借助交叉，变异算子来获得全局最优解。实例模拟结果表明，该方法具有精度高，收敛速度快且易于计算机实现等特点。     

Multi-Colony Ant Algorithm for Continuous Multi-Reservoir Operation Optimization Problem

Ant Colony Optimization (ACO) algorithms are basically developed for discrete optimization and hence their application to continuous optimization problems require the transformation of a continuous search space to a discrete one by discretization of the continuous decision variables. Thus, the allowable continuous range of decision variables is usually discretized into a discrete set of allowable values and a search is then conducted over the resulting discrete search space for the optimum solution. Due to the discretization of the search space on the decision variable, the performance of the ACO algorithms in continuous problems is poor. In this paper a special version of multi-colony algorithm is proposed which helps to generate a non-homogeneous and more or less random mesh in entire search space to minimize the possibility of loosing global optimum domain. The proposed multi-colony algorithm presents a new scheme which is quite different from those used in multi criteria and multi objective problems and parallelization schemes. The proposed algorithm can efficiently handle the combination of discrete and continuous decision variables. To investigate the performance of the proposed algorithm, the well-known multimodal, continuous, nonseparable, nonlinear, and illegal (CNNI) Fletcher–Powell function and complex 10-reservoir problem operation optimization have been considered. It is concluded that the proposed algorithm provides promising and comparable solutions with known global optimum results.