粒子群优化算法在水文科学中的应用进展.pdfVIP

粒子群优化算法在水文科学中的应用进展 董前进1，-，曹广晶2，王先甲3，戴会超2，赵云发2 (1．武汉大学水资源与水电工程科学国家重点实验室，武汉430072； 2．中国长江三峡集团公司，湖北宜昌“3002； 3．武汉大学经济与管理学院，武汉430072) [摘要]介绍了粒子群算法的标准算法及流程，探讨了粒子群算法在水库优化调度、水电站经济运行、参数 优选等水文领域中的研究成果和存在的问题，指出未来应该加强粒子群算法改进机理和收敛性能的研究，并 与其他算法技术相比较、结合，拓展其在水文科学领域的应用范围，为解决水文领域中大量优化问题提供新 途径。 [关键词]水文科学；粒子群优化算法；优化调度；经济运行 [中图分类号]P333．9 择对问题的解有较大的影响。因此，人们“师法自 1前言 然”，提出了许多源于自然界的智能演化算法，如粒 水文科学具有地球物理科学和水利科学的双重 8wa／／ll 子群优化算法(particle 属性，在洪涝灾害频繁、水资源短缺、水环境恶化和 群算法、鱼群算法等，PSO是这些算法中的佼佼者。 水土流失严重的今天，水文科学面I临着巨大的挑战， PSO是一种基于群集智能的演化计算技术，由于算 使得以数理统计、物理成因法为特点的传统水文学 法具有依赖的参数少，收敛速度快，编程易实现等特 不得不向以应用现代化先进技术和手段为代表的现 点而在电力系统[11、图像分割呤】、参数估计呤]、神经 代水文迈进，这样，以人工智能为代表的一大批先进 网络参数训练HJ、水电站厂内经济运行、水库调度 技术将在水文科学中扮演重要的角色。 等领域得到了广泛的应用。 水文科学中一类重要的问题是优化问题，如流 2粒子群优化算法 域水文模型参数优选、水电站经济运行、水库优化调 度、水资源优化配置等。传统的优化方法如动态规 2．1 PSO介绍 划(dynamic programming，DP)，随着状态空间和决 策空间的增加容易出现“维数灾”问题，逐步优化方 等于1995年开发的一种演化计算技术，起源于对鸟 法(progressive 群简单社会模型的模拟”’6J。不像其他演化算法对 optimalityalgorithm，POA)虽然能在一 定程度上克服“维数灾”的困境，但是在求解的收敛 个体使用演化算子，PSO是将每个个体看作D维搜 速度上不如人意。即使是具有适者生存和基因遗传 索空间中一个没有体积的微粒(点)，根据对环境的 思想的遗传算法(genetic 适应度将群体中的个体(微粒)移动到好的区域，在 algorithm，GA)在求解优化 问题时，也有局部寻优能力差，容易出现早熟的现 搜索空间中以一定的速度飞行。这个速度根据它本 象，且算法流程比较复杂，交叉概率和变异概率的选 身的飞行经验以及同伴的飞行经验进行动态调整。 [收稿日期]2008．．07··15 [基金项目] 究基金(2007C017)；中国博士后科学基金(20080440956) [作者简介]董前进(1979一)，男，湖北安陆人，武汉大学讲师，博士，从事水资源系统工程研究；E—mail：dqjin2004@sohu．eonl 2010年第12卷第1期81 3．1水库优化调度 设在D