一種基于多目標(biāo)混合蛙跳差分算法的水庫(kù)調(diào)度方法 專利0915

1、1說(shuō)明書(shū)一種基于多目標(biāo)混合蛙跳差分算法的水庫(kù)調(diào)度方法一種基于多目標(biāo)混合蛙跳差分算法的水庫(kù)調(diào)度方法所屬技術(shù)領(lǐng)域所屬技術(shù)領(lǐng)域本發(fā)明屬于水利水電領(lǐng)域的水庫(kù)調(diào)度領(lǐng)域，特別是一種基于多目標(biāo)混合蛙跳差分算法的水庫(kù)調(diào)度方法。背景技術(shù)背景技術(shù)水庫(kù)優(yōu)化調(diào)度是一個(gè)多約束多階段決策的動(dòng)態(tài)、復(fù)雜非線性系統(tǒng)的最優(yōu)控制問(wèn)題，特別是對(duì)于防洪、發(fā)電、灌溉、供水、航運(yùn)、排沙等多目標(biāo)的綜合利用水庫(kù)，更增加了優(yōu)化求解的復(fù)雜度。隨著優(yōu)化技術(shù)的發(fā)展以及對(duì)水庫(kù)調(diào)度研究的不斷深入，

2、先后有各類優(yōu)化算法被引入到水庫(kù)的優(yōu)化調(diào)度中，包括一些經(jīng)典傳統(tǒng)優(yōu)化算法、最優(yōu)控制理論方法(如大系統(tǒng)方法)以及集群智能算法等。傳統(tǒng)優(yōu)化技術(shù)成熟可靠、效率高，但應(yīng)用于多目標(biāo)優(yōu)化時(shí)易出現(xiàn)“維數(shù)災(zāi)”等問(wèn)題，增加了問(wèn)題求解的難度。近年來(lái)，隨著計(jì)算機(jī)以及人工智能技術(shù)的發(fā)展，一些智能優(yōu)化算法如遺傳算法、神經(jīng)網(wǎng)絡(luò)法、蟻群算法、粒子群算法、混沌優(yōu)化算法等也開(kāi)始逐步應(yīng)用于水庫(kù)優(yōu)化調(diào)度領(lǐng)域，由于它們優(yōu)化效果顯著、適用范圍廣泛，且對(duì)于求解空間復(fù)雜、多維與非線性的

3、問(wèn)題具有良好的適應(yīng)能力，正逐漸成為水庫(kù)優(yōu)化調(diào)度領(lǐng)域的研究熱點(diǎn)。差分進(jìn)化算法(DifferentialEvolution，DE）是由Stom.R和Price.K于1995年提出的一種隨機(jī)并行直接搜索算法，具有結(jié)構(gòu)簡(jiǎn)單、易于理解、可調(diào)參數(shù)少、魯棒性強(qiáng)等優(yōu)點(diǎn)，DE通過(guò)不同的進(jìn)化策略選擇若干個(gè)體向量干擾現(xiàn)有的個(gè)體，生成新的個(gè)體向量，依據(jù)一對(duì)一的競(jìng)爭(zhēng)優(yōu)選策略決定新個(gè)體向量或者干擾向量進(jìn)入下一次迭代過(guò)程。DE中特有的進(jìn)化策略使得算法具有針對(duì)較優(yōu)個(gè)體

4、的記憶能力，促使較差個(gè)體迅速向最優(yōu)個(gè)體靠攏，具有較強(qiáng)的全局收斂性和魯棒性?；旌贤芴惴ǎ?ShuffledFrogLeapingAlgithm，SFLA）是一種基于群體智能的后啟發(fā)式計(jì)算技術(shù)，于2003年由Eusuff和Lansey提出并應(yīng)用于水資源管網(wǎng)分配問(wèn)題，因其兼顧了模因演算法（MA）與粒子群算法（PSO）兩者的優(yōu)點(diǎn)，具有算法參數(shù)設(shè)置少，局部搜索與全局搜索并重的特點(diǎn)，后逐漸在模式識(shí)別、信號(hào)與信息處理和函數(shù)優(yōu)化領(lǐng)域取得成功應(yīng)用。與其

5、他智能優(yōu)化算法類似，基本SFLA也存在算法尋優(yōu)能力依賴參數(shù)設(shè)置、后期易陷于局部最優(yōu)解、收斂速度較慢等問(wèn)題，并且在SFLA的初始化階段，初始種群的分布性質(zhì)將會(huì)影響3的水庫(kù)水位值序列構(gòu)成初始種群：(1112…1)，(2122…2)，……，(12…)（5）計(jì)算每個(gè)個(gè)體的各個(gè)目標(biāo)函數(shù)值，進(jìn)行非支配排序，依據(jù)動(dòng)態(tài)更新機(jī)制更新外部歸檔集（EA），隨機(jī)選擇全局最優(yōu)解，其中具有動(dòng)態(tài)更新機(jī)制的外部歸檔集操作流程如下：①當(dāng)全局迭代次數(shù)為0時(shí)，轉(zhuǎn)入步驟②⑥，

6、否則，轉(zhuǎn)入步驟⑦；②計(jì)算種群中個(gè)體的目標(biāo)函數(shù)值，并進(jìn)行快速非支配排序，當(dāng)非劣解個(gè)數(shù)大于時(shí)，執(zhí)行步驟③，否則，執(zhí)行步驟④；③計(jì)算每個(gè)非劣解的擁擠距離，將邊界點(diǎn)賦予無(wú)窮大擁擠距離，以保證進(jìn)入下一代，按照擁擠距離大小進(jìn)行排序，刪除擁擠距離最小的個(gè)體，重新更新?lián)頂D距離，直至達(dá)到外部歸檔集規(guī)模后停止，將更新后個(gè)體輸出到EA；④如果非劣解集個(gè)數(shù)小于EA設(shè)定規(guī)模，利用模擬二項(xiàng)式交叉策略增加個(gè)體數(shù)量；將新產(chǎn)生的個(gè)體與原非劣解進(jìn)行非支配排序，計(jì)算非劣解的

7、擁擠距離，平均擁擠距離記為，若1等級(jí)為1的非劣解個(gè)體數(shù)大于，轉(zhuǎn)到步驟②，否則，轉(zhuǎn)到步驟④；⑤計(jì)算非劣等級(jí)為2的個(gè)體的擁擠距離，平均擁擠距離記為，刪除序列等級(jí)1、2中2擁擠距離低于平均擁擠距離的個(gè)體；⑥完成EA中精英個(gè)體的繁殖與優(yōu)選，隨機(jī)選擇種群最優(yōu)解。⑦將全局迭代新生成的非劣解與EA中精英解進(jìn)行支配比較，替換EA中被支配的解，完成EA的更新，隨機(jī)選擇種群最優(yōu)解。（6）按照非劣等級(jí)對(duì)種群個(gè)體在各等級(jí)內(nèi)隨機(jī)排序，所有個(gè)體混合后劃分個(gè)子種群，