混合智能算法及其在供水水库群优化调度中的应用.pdfVIP

水 利 学 报 年 月 第 卷 第 期 文章编号 混合智能算法及其在供水水库群优化调度中的应用 刘卫林 董增川 王德智 河海大学水文水资源与水利工程科学国家重点实验室 江苏南京 南昌工程学院水利系 江西南昌 中水淮河工程有限责任公司 安徽蚌埠 摘要 将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合 提出了一种基于两者的混合智能算法 应用于供水水库群系统的优化调度研究中 算法利用蚁群算法的并行性 正反馈性以及良好的全局寻优能力 避 免搜索陷入局部最优 同时借鉴遗传算法的进化思想 利用杂交 变异算子来进行局部寻优 使其能快速搜索到全 局最优点 在种群随机搜索过程中嵌入确定性的模式搜索 使得算法同时具有随机性和确定性 结合模拟退火思 想 构造了罚因子处理约束条件 使该算法对水库优化调度问题以及其他优化问题具有一定的通用性 通过实例 验证 并与大系统聚合分解经典算法进行比较 结果表明该算法是可行的和有效的 关键词 混合智能算法 遗传算法 蚁群算法 供水水库群 优化调度 中图分类号 文献标识码 近年来 一类基于生物学计算智能方法 如遗传算法 蚁群算法 粒子群算法 等 在解决复杂的非线性优化问题中显示出明显的优势 国内外已有不少学者将这一方法应用到水库优化 调度研究中 并取得了一些成果 其中遗传算法和蚁群算法是应用较多的两种方法 遗传算法因其 不依赖于问题的具体形式且具有快速随机的全局搜索能力 适宜于传统方法难以求解的问题 以及时效 性要求不高的实时调度问题 尤其是水库规划设计问题 然而由于对系统中的反馈信息利用不足 往 往做大量无用的冗余迭代 求解效率低 蚁群算法虽然具有分布式并行全局搜索能力 但是在解决 大型优化问题时 存在搜索空间和时间性能上的矛盾 易过早收敛于非全局最优解以及计算时间过长等 弱点 鉴于此 本文将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合起来 提出了一种 混合遗传蚁群优化算法 并进行了数值试验 试验结果表明 该算法具有良好的性能 最后 将其应用到 供水水库群系统的优化调度计算中 取得了令人满意的效果 基于遗传和蚁群的混合智能算法 算法的基本思想 遗传算法是由美国密执安大学的 等 于 年首先提出的一种 基于生物界自然选择和自然遗传机制的高度并行 随机 自适应的进化搜索算法 它通过模拟生物在染 色体层面的选择 交叉 变异等各种遗传功能进行人工寻优 能以较大概率搜索到全局最优解 且适用于 高度非线性函数的优化 具有可扩展性 容易与其他算法结合 但由于对系统中的反馈信息利用不够 当 求解到一定范围时往往做大量无用的冗余迭代 求解效率低 蚁群算法是最新发展的一种模拟蚂蚁群 体智能行为的新的仿生优化算法 由意大利学者 等 于 年提出 它主要通过蚂蚁群体之 间的信息传递和相互协作而达到寻优目的 具有分布式并行全局搜索能力 通过信息素的积累和更新收 敛于最优路径上 但初期信息素匮乏 求解速度慢 收稿日期 作者简介 刘卫林 男 江西新余人 博士生 主要从事水资源系统分析与规划管理研究 基于遗传和蚁群的混合智能算法 将蚁群算法与遗传算法相融合 汲取两种算法的优点 克服 各自的缺陷 以使其在时间效率上优于蚂蚁算法 在求解效率上优于遗传算法 其基本思想是利用蚁群 算法并行性 正反馈性以及良好的全局寻优能力 避免搜索陷入局部最优 同时借鉴遗传算法的思想 利 用杂交 变异算子来进行局部寻优 使其能快速搜索到全局最优点 具体来讲 在解的搜索过程中通过 杂交操作交换蚂蚁之间现有而未能合理利用的路径信息以产生更好的解 引入变异操作产生新的解以 扩大蚂蚁路径搜索的范围从而减少陷入局部最优的可能性 使之在尽可能大的空间中获得质量较高的 优化解 目标函数及其约束条件 设 为被优化的目标函数 是