原创力文档- 1、本文档共6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)。
第12卷第6期2014年12月Vol.12No.6Dec.2014南
第12卷第6期2014年12月
Vol.12No.6Dec.2014
South-to-NorthWaterTransfersandWaterScienceTechnology
DOI:10.13476/ki.nsbdqk.2014.06.041
水电站水库优化调度混沌粒子群算法
国海涛1,刘性泉2,岳峻3,赵含雨2
(1.山东商业职业技术学院信息技术学院，济南250103;2.山东黄河河务局东平湖管理局，
山东泰安271000;3.鲁东大学信息科学与工程学院，山东烟台264025)
摘要：针对粒子群算法易陷入局部最优问题，从数学角度分析了粒子群算法易陷入局部最优的理论原因，提出一种自适应混沌变异粒子群算法，对陷入局部最优的粒子产生变异，增加算法的遍历性、种群的多样性，以跳出局部最优解，用来解决水库优化调度问题。与现有算法相比，自适应混沌变异粒子群算法计算快，稳定性强，既避免了粒子群算法陷入局部最优，同时在一定程度上又保证了收敛性。
关键词：水库优化调度；粒子群优化；混沌；变异；自适应；局部最优；收敛性
中图分类号：TV697文献标志码：A文章编号：1672-1683(2014)06-0181-03
Chaoticparticleswarmoptimizationalgorithmforoptimaloperationofhydropowerstation
GUOHai-tao1,LIUXing-quan2,YUEJun3,ZHAOHan-yu2
(1.InformationTechnologyCollege,ShandongInstituteofCommerceAndTechnology,Jinan250103,China;
2.DongpinghuLakeBureau,YRSB,Taian271000,China;
3.CollegeofInformationScienceandEngineering,LuDongUniversity,Yantai264025,China)
Abstract:Theparticleswarmoptimization(PSO)algorithmcaneasilyfallintothelocaloptimization.Inthispaper,thetheoreticreasonsoflocaloptimizationwereanalyzedfromthemathematicalperspective,andanewself-adaptivechaoticmutationPSOal-gorithmwasproposedandappliedtoahydropowerstation.Theresultsshowedthatthenewalgorithmcanmutatetheparticleswhichfallintothelocaloptimization,increasethealgorithmergodicityandswarmdiversity,andfindtheglobaloptimizationso-lution,whichisusefulfortheoptimaloperationofreservoir.Comparedwiththecurrentalgorithms,theself-adaptivechaoticmutationPSOalgorithmhasfastcomputationandstrongstability,avoidsthelocaloptimization,andensurestheconvergence.Keywords:optimaloperationofreservoir;particleswarmalgorithm;chaos;mutation;adaptive;localoptimal;convergence
水库优化调度是一类动态最优控制问题。传统的解决方法主要基于数学规划技术，如线性规划、动态规划等[1。随着生物智能仿真算法的兴起，有学者用遗传算法[26]、模拟退火算法[7]解决此问题。实验表明，现有算法存在“维数灾难”、收敛速度慢等问题。
粒
文档评论（0）