基于改进的Dijkstra算法和遗传算法实现的水利调度系统

发布时间：2020-02-26 00:48

【摘要】：我们都知道水在人们日常生活的作用，是维持生命特征的必需品。随着人们生活水平的不断提高以及社会的飞速发展，水资源要满足人们的不单单是数量的要求，更是质量的需要。现阶段，如何提高水资源的利用率并且是高质量的水资源利用率，已经关系到民生问题，需要引起国家以及社会的广泛关注，是国家未来一段时间内面临的重大课题。在众多措施中，兴建水利工程是一种被人们熟知和关注的途径，可以有效的大规模地对水利资源进行重组利用与规划，水库更是国家建设中的一项重要的内容，关系到社会发展与进步。另外，水库在其他方面也发挥了无可替代的作用，例如沿海城市的防洪工程，城市供电以及灌溉工作等。 一般情况下，严格区分起来可以将水利资源的调度分为常态调度与动态优化调度。常态调度比动态优化调度要简单的多，操作简单，常态调度的任务是计算水库年度的蓄洪任务，通常参考的参数是一些水文数据，包括当地的水源年径流量等，但是通常来说，水资源的流量是不可控的，尤其当面对复杂的水利调度问题时，想达到预期的调度任务是相当困难的。动态优化调度策略是基于一个综合的目标函数来进行的，而这个综合函数是根据水库为目标建立的，一般会设计相应的约束和条件，再根据这些约束求解出目标函数的解，再经过优化结合实际条件最后得到适合水库的最优的调度方案。在本文中，我们针对上述问题就行了学习与研究，将Dijkstra算法与遗传算法有效的结合，取长去短，得到了一个优化的D-GA算法，并将其应用于调度方案中，在具体的工作方面，本文的主要工作可以简要概括为： 首先，初步介绍了水利工程的相关的内容，将问题模型化，建立了符合实际情况的数据问题模型。其次，介绍了Dijkstra算法与遗传算法各自的优缺点，并针对两种算法进行分析，，结合水利调度问题，将Dijkstra算法进行了改进，并与遗传算法结合起来形成D-GA算法并使之应用于解的优化过程，再次，将应用D-GA算法后的结果与使用遗传算法得到的结果进行比较。最后完成了模拟的水利调度系统。
【图文】：

图 2.1 Dijkstra 算法流程图 算法应用的问题中，仅仅需要考虑中，例如物流配送问题，公交线路花费的时间和费用的问题。在本次进，最终应用与水里的水利调度中lgorithm）是在 1975 年由美国 J.Ho中融合了达尔文的生物进化论的思物代代相传，相似却又存在不同，的总是优质的，那些适应能力不强研究了自然界中生物进化的规律，

图 2.2 遗传算法流结是介绍了再本次课题研究中涉及的知概念，常用的调度方法以及在水利调Dijkstra 算法以及遗传算法。包括 Dijk基本内容以及遗传算法流程。，将会结合 Dijkstra 算法和遗传算法的tra 算法进行改进，并给出一个简单的例后的 Dijkstra 算法与遗传算法结合起来
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TV697.1;TP18

【参考文献】

相关期刊论文 前6条

1 伍永刚,王定一;基于遗传算法的梯级水电厂自动发电控制算法研究[J];电网技术;2000年03期

2 王大刚,程春田,李敏;基于遗传算法的水电站优化调度研究[J];华北水利水电学院学报;2001年01期

3 周丽,黄素珍;基于模拟退火的混合遗传算法研究[J];计算机应用研究;2005年09期

4 梅亚东;梯级水库优化调度的有后效性动态规划模型及应用[J];水科学进展;2000年02期

5 方红远,邓玉梅,董增川;多目标水资源系统运行决策优化的遗传算法[J];水利学报;2001年09期

6 游进军,纪昌明,付湘;基于遗传算法的多目标问题求解方法[J];水利学报;2003年07期

本文编号：2582872