资源描述：
《【精品硕博论文-水利水电工程】一种基于多目标混合蛙跳差分算法的水库调度方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、说明书一种基于多目标混合蛙跳差分算法的水库调度方法所属技术领域本发明属于水利水电领域的水库调度领域，特别是一种基于多目标混合蛙跳差分算法的水库调度方法。背景技术水库优化调度是一个多约束多阶段决策的动态、复杂非线性系统的最优控制问题，特别是对于防洪、发电、灌溉、供水、航运、排沙等多目标的综合利用水库，更增加了优化求解的复杂度。随着优化技术的发展以及对水库调度研究的不断深入，先后有各类优化算法被引入到水库的优化调度中，包括一些经典传统优化算法、最优控制理论方法(如大系统方法)以及集群智能算法等。传统优化技术成熟可靠、效率高，但应用于多目标优化时易出现“维数灾”等问题，增加了问题求解的
2、难度。近年来，随着计算机以及人工智能技术的发展，一些智能优化算法如遗传算法、神经网络法、蚁群算法、粒子群算法、混沌优化算法等也开始逐步应用于水库优化调度领域，由于它们优化效果显著、适用范围广泛，且对于求解空间复杂、多维与非线性的问题具有良好的适应能力，正逐渐成为水库优化调度领域的研究热点。差分进化算法(DifferentialEvolution，DE）是由Stom.R和Price.K于1995年提出的一种随机并行直接搜索算法，具有结构简单、易于理解、可调参数少、鲁棒性强等优点，DE通过不同的进化策略选择若干个体向量干扰现有的个体，生成新的个体向量，依据一对一的竞争优选策略决定新个
3、体向量或者干扰向量进入下一次迭代过程。DE中特有的进化策略使得算法具有针对较优个体的记忆能力，促使较差个体迅速向最优个体靠拢，具有较强的全局收敛性和鲁棒性。混合蛙跳算法（(ShuffledFrogLeapingAlgorithm，SFLA）是一种基于群体智能的后启发式计算技术，于2003年由Eusuff和Lansey提出并应用于水资源管网分配问题，因其兼顾了模因演算法（MA）与粒子群算法（PSO）两者的优点，具有算法参数设置少，局部搜索与全局搜索并重的特点，后逐渐在模式识别、信号与信息处理和函数优化领域取得成功应用。与其他智能优化算法类似，基本SFLA也存在算法寻优能力依赖参数设
4、置、后期易陷于局部最优解、收敛速度较慢等问题，并且在SFLA17的初始化阶段，初始种群的分布性质将会影响整个算法的收敛性能。近年来，国内外不少学者对SFLA的改进和应用进行了很多研究，并将其应用于水库调度领域，但大多数的研究都是针对水库单目标优化问题，并且针对水库多目标优化调度问题的多目标蛙跳算法的相关文献目前仍没有。发明内容本发明所要解决的技术问题是：针对传统SFLA易陷于局部最优解、收敛速度较慢等缺陷，并为避免出现初始种群分布性差对寻优过程有影响，提供一种基于多目标混合蛙跳差分算法（MOSFLA-EA）的水库调度方法，实现水库多目标优化调度。本发明解决其技术问题所采用的技术方
5、案包括以下步骤：步骤一：获取水库的基本信息数据，包括：水库的正常蓄水位Z正、防洪限制水位Z防、死水位Z死，水库库容-水位关系曲线S~Z，水库下游水位-下泄流量关系曲线Z~Q，水库发电机组出力约束值N，水库下泄流量约束值u，水库发电机组过流能力值q，水库来水量W；步骤二：建立以发电量最大、缺水量最小、弃水量最小、最小出力最大等目标函数，考虑水量平衡、机组出力、下泄流量、发电流量等约束条件的多目标优化调度数学模型：步骤三：执行多目标混合蛙跳差分算法，包括以下步骤：（1）划分水电站水库调度周期时段T，选择各时段的水库水位值作为决策变量，确定各时段水库水位值的上下限Zt,min,Zt,m
6、ax。（2）设定参数。确定变量的个数T，确定初始种群规模G，子种群数N，每个子种群个体数量M,全局迭代次数GEN，交叉概率pc，变异概率F，子种群迭代次数K，外部归档集NEA。（3）目标函数的约束处理。某决策变量不满足约束条件时，将其适应度函数值取为接近于零的一个较小数值，确定输出的决策变量符合约束条件。（4）基于混沌理论初始化种群，包括以下步骤：①随机选取T个[0,1]区间内不同的初值（除去0，0.25，0.5，0.75和1共5个数字）构成初始序列ε0=ε1,0,ε2,0,…εT,0，通过Logistic映射可得到G个轨迹不同的混沌序列εj(j=1,2,…,G)；②将混沌序列放
7、大到各时段水库水位的取值范围，得到G个代表水库运行控制过程中的水库水位值序列构成初始种群：Z1,1,Z1,2,…,Z1,T，Z2,1,Z2,2,…,Z2,T，……，ZG,1,ZG,2,…,ZG,T（5）计算每个个体的各个目标函数值，进行非支配排序，依据动态更新机制更新17外部归档集（EA），随机选择全局最优解Gbest，其中具有动态更新机制的外部归档集操作流程如下：①当全局迭代次数为0时，转入步骤②-⑥，否则，转入步骤⑦；②计算种群中个体的目标函数值，并进行快速非支配排序，当非劣
