基于遗传蚁群混合算法的水库优化调度研究

基于遗传蚁群混合算法的水库优化调度研究

论文摘要

水是生命之源,是人类生存和社会经济发展的物质基础,是可持续性发展的重要保障。水资源的可持续利用关系到人口、资源、环境、社会的协调发展。随着人口增长、社会经济发展和人民生活水平的提高,人们对水资源数量和质量的要求越来越高。然而,可利用的淡水资源是有限的。加之,水资源浪费及水污染日益加重,水资源供给与需求之间形成尖锐的矛盾,这一矛盾已经成为人类社会发展的重要制约因素。大规模的水库群逐渐建成,在一定程度上缓解了水资源的供需矛盾,而水库优化调度不需要增加额外的投资就可取得相当大的效益。因此,水库优化调度是提高水库综合社会效益和经济效益的有效手段。通常水库调度分为常规调度和优化调度两类。常规调度是以调度规则为依据,利用径流调节理论和水能计算方法来确定满足水库既定任务的蓄洪过程;常规调度简单、直观,但调度结果不一定最优,而且不便于处理复杂的水库调度问题。优化调度则是一种建立以水库为中心的水利水电系统的目标函数,拟定其应满足的约束条件,然后用最优化方法求解由目标函数和约束条件组成的系统方程组,使目标函数取得极值的水库控制运行方式。水库优化调度面临的两个最重要的问题就是如何把实际的水库优化调度问题概化为合适的数学模型,以及如何构建求解这种数学模型适宜的最优化算法。遗传蚁群混合算法适用于求解有约束的非线性规划问题,而大多数的水库优化调度问题就是属于这一类。论文首先对遗传蚁群混合算法进行了分析研究,其基本思路是算法前过程采用遗传算法,充分利用遗传算法的快速性、随机性、全局收敛性,其结果是产生有关问题的初始信息素分布;算法后过程采用蚁群算法,在有一定初始信息素分布的情况下,充分利用蚁群算法的并行性、正反馈机制以及求解效率高的特性,提高求解效率。而后,面向水库优化调度问题建立了优化模型,将适用于水库优化调度的遗传蚁群混合算法应用于模型求解,并结合漳泽水库进行了实例分析。结果表明,遗传蚁群混合算法应用于水库优化调度中,原理清晰,计算方法易解、可行、有效,且可以扩展应用于其它类型的水库优化调度问题中。此外,还运用面向对象的可视化编程工具,编制适应水库优化调度的程序,程序功能可靠、运行稳定、界面良好。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题研究背景
  • 1.2 课题研究现状
  • 1.2.1 水库优化调度定义
  • 1.2.2 水库调度分类
  • 1.2.3 水库模拟调度研究综述
  • 1.2.4 水库优化调度方法介绍
  • 1.3 课题研究内容
  • 1.4 本文主要工作和章节安排
  • 第二章 遗传、蚁群算法及其混合
  • 2.1 思想起源
  • 2.2 基本原理
  • 2.2.1 遗传原理
  • 2.2.2 蚁群原理
  • 2.3 模型及实现
  • 2.3.1 遗传算法模型
  • 2.3.2 遗传算法的实现技术
  • 2.3.3 蚁群算法模型
  • 2.3.4 蚁群算法的具体实现
  • 2.4 遗传算法和蚁群算法的比较
  • 2.5 遗传蚁群混合算法
  • 2.5.1 基本思想及原理
  • 2.5.2 具体实现
  • 2.6 本章小结
  • 第三章 水库优化调度的基本理论与方法
  • 3.1 优化调度的基本内容与特点
  • 3.1.1 优化调度的基本内容
  • 3.1.2 水库调度的特点
  • 3.1.3 入库径流的马尔柯夫过程
  • 3.2 水库优化调度最优准则的确定
  • 3.3 水库优化调度基本方法
  • 3.4 本章小结
  • 第四章 遗传蚁群混合算法在水库优化调度问题中的应用
  • 4.1 水库优化调度模型
  • 4.2 面向水库优化调度的遗传蚁群混合算法
  • 4.3 实验设计与实现
  • 4.3.1 模型建立的目标及原则
  • 4.3.2 模拟模型介绍
  • 4.3.3 模型软件特点
  • 4.4 实验结果分析
  • 4.4.1 漳泽水库概况
  • 4.4.2 调度依据
  • 4.4.3 调度结果
  • 4.4.4 主要结论
  • 4.5 本章小结
  • 第五章 结论与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间发表的学术论文目录
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  

    基于遗传蚁群混合算法的水库优化调度研究
    下载Doc文档

    猜你喜欢