方向自学习遗传算法在水库优化调度中的应用.docxVIP

方向自学习遗传算法在水库优化调度中的应用 0 优化调度问题的提出 水库优化配置问题是解决复杂组合优化问题的复杂问题，具有非线性、离散等特征。目前常用的水库优化调度方法有逐步优化法(POA)、动态规划法(DP)、遗传算法(Genetic Algorithms,GA)等。理论上已经证明,传统遗传算法(TGA)能从概率的意义上以随机的方式寻找到问题的最优解。但是在实际应用中,随着问题的复杂和海量的数据,也出现了一些不尽人意的情况。主要表现在:计算后期,解的多样性差,即容易造成早熟,收敛速度慢等缺点。近些年来研究学者普遍认为,对可建模的数值优化问题,将局部搜索方法和遗传算法相结合能够更好的求解问题。本文借鉴小种群局部搜索的思想,将局部搜索方法与遗传算法相结合,提出了一种方向自学习遗传算法(DSLGA)并应用于水库优化调度问题。文中提出了两种算子:方向自学习算子和消亡算子。其中,方向自学习算子是通过适应值来指导搜索算子的方向,充分反映了个体间的竞争,学习和合作行为;消亡算子通过淘汰种群中的劣势个体,注入新的个体来增加种群的多样性,避免早熟收敛,提高了收敛速度。与传统遗传算法相比较,方向自学习遗传算法具有收敛速度快,寻优能力强等特点,实例计算表明,该算法应用在水库优化调度问题是可行有效的。 1 方向1学习遗传计算的原理 1.1 线法学习的合理性 在传统GA的交叉、变异策略中,常常忽略具有指导