基于参数自适应差分进化算法的用水网络优化

论文摘要

针对差分进化算法在实际应用过程中,最佳控制参数难以确定,控制参数是否合适直接关系算法的寻优性能,提出两类控制参数自适应的差分进化算法；同时,针对复杂用水网络优化问题,分别应用两类改进的差分进化算法,实现用水网络的全局优化,获得良好结果。分别提出基于群体信息挖掘的控制参数协进化差分进化算法（CPCE-PI-DE）和基于控制参数正态分布协进化的差分进化算法（NDCPCE-DE）。在这两类算法中,每个个体都有对应的控制参数共生个体；其中CPCE-PI-DE通过多元回归分析,提取控制参数共生个体的最佳进化方向,实现控制参数的协进化；NDCPCE-DE通过对正态分布控制参数的均值分析与更新,实现控制参数的协进化。通过标准测试函数的测试与其他改进算法的比较,表明两类算法均具有良好的全局寻优性能。将两类改进差分进化算法应用于求解一个有三个用水单元的有约束的用水网络优化问题,结果表明：两类算法均可以求得全局最优解,说明智能优化算法在水系统全局优化中的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 水资源及用水网络
• 1.1.1 水资源
• 1.1.2 用水网络
• 1.1.3 用水网络的优化方法
• 1.2 智能优化算法
• 1.2.1 遗传算法
• 1.2.2 蚁群算法
• 1.2.3 粒子群算法
• 1.2.4 差分进化算法
• 1.3 本文的主要内容和结构
• 第2章 用水模型的研究和优化方法
• 2.1 引言
• 2.2 水网络的优化方法
• 2.2.1 水夹点技术介绍
• 2.2.2 数学规划法介绍
• 2.3 混合整数规划
• 2.4 差分进化算法
• 2.4.1 差分算法的基本步骤
• 2.4.3 算法的性能改进
• 2.5 小结
• 第3章 控制参数自适应的差分进化算法
• 3.1 引言
• 3.2 基于群体信息挖掘的控制参数协进化差分进化算法
• 3.2.1 多元线性回归
• 3.2.2 算法流程
• 3.2.3 标准测试函数
• 3.2.4 测试结果
• 3.2.5 带噪声Benchmarks测试函数
• 3.3 基于控制参数正态分布协进化的差分进化算法
• 3.3.1 算法基本思路和流程
• 3.3.2 测试函数
• 3.3.4 测试结果
• 3.4 小结
• 第4章 基于参数自适应差分进化算法的用水网络优化
• 4.1 引言
• 4.2 用水网络模型
• 4.3 基于改进差分进化算法的用水网络优化
• 4.3.1 约束问题的处理
• 4.3.2 水网络优化
• 4.4 工业优化实例
• 4.4.1. 利用CPCE-PI-DE算法加惩罚函数优化用水网络优化
• 4.4.2. 利用NDCPCE-DE算法加惩罚函数优化用水网络优化
• 4.5 小结
• 第5章 结论和展望
• 5.1 主要结论
• 5.2 展望
• 参考文献
• 致谢