- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
实用标准文案
常用降维动态规划
1 逐次逼近动态规划( DPSA)
逐次逼近动态规划是求解多维问题的有效方法之一, 它的基本思想是把带有
若干决策变量的问题分解成仅带有 1 个决策变量的若干个子问题, 每个子问题比
原来的总问题具有较少的状态变量, 从而大大节省状态存储量及计算工作量, 便
于计算机求解。对于多库联调优化问题,在确定初始可行调度线后采用 DPSA求
解的过程如下:
(1)先假定第 2 个到最后一个水库的调度过程全部固定,对第 1 个水库进
行优化,这时相当于单库优化调度, 可以通过常规动态规划找到第 1 个水库的最
优调度过程, 此时其它水库仅进行简单的水务计算即可。 计算完成后用最优结果
替代初始解中第 1 个水库的调度过程。
(2 )假定第 1 个,第 3 个到最后一个水库的调度过程全部固定,求第 2 个
水库的最优过程,这也相当于单库优化调度,同样通过常规动态规划找到第 2
个水库的最优调度过程。并将其最优结果替代初始解中第 2 个水库的调度过程。
(3 )依次类推,直至最后一个水库计算完成。此时初始可行解依次被各次
的单库最优结果替代,一轮计算完成。
(4 )以上一轮最优结果为基础,重新依次计算单个电站的最优过程,并替
换总体最优结果,反复轮流优选,直至收敛。
DPSA的思想是通过减少每次参与计算的电站数目,达到降维效果,其搜索
结果精度与初始状态序列有关, 因此它不能保证在所有情况下都收敛到真正的总
体最优解, 求解过程中可以从多个不同的初始状态 ( 库群初始调度过程 ) 开始,求
得多个最优值,然后选择最好的结果。
2 增量动态规划( DDDP)
DDDP是用逐次逼近方法寻优, 每次寻优只在某个状态序列附近的小范围内,
用动态规划法进行搜索。 其搜索流程是先根据一般经验或常规方法获得初始状态
序列作为初始调度线, 然后在该初始状态序列的上下各变动一个小范围, 这个变
动范围成为增量,形成一个带状“廊道” ,接着在该廊道内用常规的动态规划寻
优,可求得一条新的更接近于最优的状态序列。 这样就完成了一轮寻优, 然后在
精彩文档
实用标准文案
新的状态序列上下再变动一个增量, 并进行寻优。 依此逐次进行迭代, 直到逼近
最优状态序列为止。在迭代过程中,增量可由大变小 ; 也可根据情况只在初始决
策序列的一侧选增量 ; 在各个阶段和上下两侧的增量个数也可以不同,而且增量
值的大小也可以不一样。 DDDP的寻优过程如图 3 所示,各图中同一时段两个圈
表示状态的间隔即为增量。
DDDP的思想是通过减少每次计算时的离散状态,达到降维的效果,与 DPSA
一样不能保证所得的解是总体最优, 有可能收敛到某一局部最优解。 因此可以采
用从几个不同的初始状态开始,求出几个“最优解” ,然后从中选择一个最好的
解。
3 状态逐密动态规划
状态逐密动态规划是在状态空间内先以较低的精度要求,取较少的状态数
目,在较稀的区间内寻找最优
文档评论(0)