大学实践教学报告模版.docxVIP

XX大学

研究生（实践教学）报告

题目：差分进化算法在参数率定问题中的设计与实现

学号

姓名

专业

指导教师

院（系、所）

XX大学研究生院制

填表注意事项

一、本表适用于攻读硕士学位研究生选题报告、学术报告，攻读博士学位研究生文献综述、选题报告、论文中期进展报告、学术报告等。

二、以上各报告内容及要求由相关院（系、所）做具体要求。

三、以上各报告均须存入研究生个人学籍档案。

四、本表填写要求文句通顺、内容明确、字迹工整。

研究目的及意义

在水库优化调度之中，涉及的约束条件较为复杂，此外，前一时段的水位过程与后一时段的水位过程间相互影响，彼此制约，即各时段决策变量不是独立的，而是相互关联的，具有耦合的特点。传统算法在处理这类问题时，需要构建较多的数学指标或目标函数对算法优化结果进行综合评价，因而求解过程较为复杂，寻优效率不高。而差分进化算法是一种基于群体自然发展演化理论与“适者生存”思想的高效随机搜索优化技术，在满足个体\t/item/%E8%BF%9B%E5%8C%96%E7%AE%97%E6%B3%95/_blank生存条件（变量约束条件）下，对个体进行交叉、变异等随机操作，利用“竞争-淘汰-\t/item/%E8%BF%9B%E5%8C%96%E7%AE%97%E6%B3%95/_blank生存”的策略来提高种群适应环境的性能，以其强大的全局搜素能力、极强的稳健性，在解决变量相互耦合的多维、非线性、多变量、多约束的复杂函数寻优问题时表现出独特的优势与强大的适用性。

二、研究的主要内容

大型水利枢纽一般承担多种运用任务，如防洪、发电、航运、生态调控、供水等。由于水库优化调度模型的约束条件较为复杂，此外，前一时段的水位过程与后一时段的水位过程间相互影响，彼此制约，即各时段决策变量不是独立的，而是相互关联的，具有耦合的特点。因此，水库调度是一类变量相互耦合的多维、非线性、多变量、多约束的复杂函数寻优问题，在水库优化调度中不可避免涉及到相关参数率定问题，而差分进化算法是一种基于群体自然发展演化理论与“适者生存”思想的高效随机搜索优化技术，在满足个体\t/item/%E8%BF%9B%E5%8C%96%E7%AE%97%E6%B3%95/_blank生存条件（变量约束条件）下，对个体进行交叉、变异等随机操作，利用“竞争-淘汰-\t/item/%E8%BF%9B%E5%8C%96%E7%AE%97%E6%B3%95/_blank生存”的策略来提高种群适应环境的性能，以其强大的全局搜素能力、极强的稳健性，在解决变量相互耦合的多维、非线性、多变量、多约束的复杂函数寻优问题时表现出独特的优势与强大的适用性。为此，本文就差分进化算法在水库优化调度中所涉及的参数率定问题的作用研究。

差分进化算法基本原理如下：

差分进化算法首先通过一个随机生成的初始种群开始，通过特定变异方式对其实行变异，生成中间个体；然后，通过特定的交叉方式对旧个体与中间个体实行交叉（执行该环节的目的是为了提高群体的多样性），生成新个体；之后对旧个体与新个体执行选择操作（该操作的目的：对新个体、旧个体进行适应度评价，确定新个体能否成为下一代个体），通过个体不断进化、竞争、选择，适者生存，个体生存能力越来越强，种群性能越来越优化（寻优过程不断趋近最优解（种群））。

步骤一种群初始化操作，在特定范围内（变量范围）随机产生个个体，实施策略如公式（1-1）所示，表示种群规模，通常介于之间，不能小于4，否则无法进行变异操作，其中，、为个体上、下边界。

（1-1）

步骤二变异操作，从当代种群[]中随机择取三个的个体且，利用其中一个个体与另外两个个体的比例差值差来实现变异环节（如图1-2），这种形式的变异操作会提高算法的全局搜索能力。依据公式（1-2）对个体实行变异操作，得到变异个体。n(xr2-xr3)vi

（1-2）

其中：；表示缩放因子，制约个体变异的幅度，影响算法寻优能力与种群多样性；表示排序编号，，表示第代种群中的第个个体；表示由代种群变异所形成的第个变异个体；通常在区间之间进行取值，通常取0.5，越小，算法局部寻优能力越强，但得到的最优值可能仅仅是局部最优值，越大，越能克服居于局部最优解的陷阱，有利于算法进行全局性寻优，然而，越大，收敛速度、寻优效率也会大大降低。

步骤三交叉操作对于每个个体与所生成的变异个