改进人工蜂群算法及在梯级水库群优化调度中的应用

发布时间：2017-04-26 01:13

  本文关键词：改进人工蜂群算法及在梯级水库群优化调度中的应用，，由笔耕文化传播整理发布。

【摘要】：随着我国水电行业的发展,梯级水库群已成为最常见的水利枢纽系统,而其优化调度则是整个水资源开发利用优化的核心。梯级水库群优化是一个多时段、多约束的非线性复杂问题,虽然传统的调度方法能解决单一水库优化问题,但是计算量随水库数目增多而显著增大,易陷入“维度灾”的问题。近年来,一些智能优化算法,如粒子群优化算法、人工蜂群算法、差分进化算法的的快速发展,为梯级水库群优化调度问题提供了一个新颖、有效的途径。人工蜂群算法结构简单、性能良好,被应用于众多工程领域,但是算法本身仍存在着许多不足。本文以人工蜂群算法为研究对象,梯级水库调度为应用目标,取得主要成果如下:(1)为提升人工蜂群算法收敛速度,结合差分进化算法的交叉思想和粒子群算法的最优学习思想,提出了自适应人工蜂群算法;(2)在收敛速度提升的同时,算法面临着陷入局部最优的危险,因此进行了深度的研究,提出异维学习的扰动方式,构造了异维学习人工蜂群算法;(3)单一进化模式导致搜索能力的失衡,为平衡算法搜索能力,归纳出常规的搜索策略并进一步完善,提出了混合人工蜂群算法;(4)介绍了水库调度的数学模型,分析了蜂群算法在水库群优化应用过程中需要解决的难题,并把三种改进蜂群算法应用于清江梯级水库优化调度中。
【关键词】：人工蜂群算法 优化 自适应 异维学习 混合
【学位授予单位】：南昌工程学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TV697.12
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 绪论7-12
• 1.1 研究背景和意义7-8
• 1.2 国内外研究现状8-10
• 1.2.1 梯级水库调度研究现状8-9
• 1.2.2 人工蜂群算法研究现状9-10
• 1.3 主要研究内容10-11
• 1.4 本文框架11-12
• 第2章 相关理论基础12-18
• 2.1 梯级水库优化调度方法12-14
• 2.1.1 线性规划和非线性规划12
• 2.1.2 动态规划法12-13
• 2.1.3 智能优化算法13-14
• 2.2 标准人工蜂群算法14-17
• 2.2.1 人工蜂群算法基本原理14-15
• 2.2.2 人工蜂群算法流程15-16
• 2.2.3 人工蜂群算法参数分析16-17
• 2.2.4 人工蜂群算法时间复杂度分析17
• 2.3 本章小结17-18
• 第3章 自适应人工蜂群算法18-24
• 3.1 基本人工蜂群的缺点18
• 3.2 自适应人工蜂群算法18-20
• 3.2.1 自适应交叉策略18-19
• 3.2.2 自适应全局最优引导策略19
• 3.2.3 算法流程19-20
• 3.3 实验与分析20-23
• 3.3.1 经典基准函数20
• 3.3.2 实验结果分析20-21
• 3.3.3 收敛曲线21-23
• 3.4 本章小结23-24
• 第4章 异维学习人工蜂群算法24-37
• 4.1 异维学习人工蜂群算法24-27
• 4.1.1 雇佣蜂自适应搜索策略24
• 4.1.2 观察蜂异维学习搜索策略24-25
• 4.1.3 时间复杂度分析25
• 4.1.4 DDLABC算法流程25-27
• 4.2 仿真实验与结果分析27-35
• 4.2.1 经典基准函数的测试与分析27-33
• 4.2.2 复合基准函数的测试与分析33-35
• 4.3 本章小结35-37
• 第5章 混合人工蜂群算法37-48
• 5.1 混合人工蜂群算法37-39
• 5.1.1 混合搜索策略37-38
• 5.1.2 算法流程38-39
• 5.2 实验与分析39-47
• 5.2.1 经典基准函数的测试与分析39-44
• 5.2.2 在CEC2013基准函数的测试与分析44-47
• 5.3 本章小结47-48
• 第6章 梯级水库优化调度研究48-59
• 6.1 梯级水库调度数学模型48-49
• 6.1.1 目标函数48
• 6.1.2 约束条件48-49
• 6.2 基于人工蜂群算法的梯级水库调度49-52
• 6.2.1 改进蜂群算法的适用性研究49
• 6.2.2 约束机制分析49-51
• 6.2.3 算法流程51-52
• 6.3 清江流域模拟实验52-58
• 6.3.1 清江流域梯级水库简介52-54
• 6.3.2 实验测试与分析54-58
• 6.4 本章小结58-59
• 第7章 总结与展望59-60
• 7.1 全文总结59
• 7.2 研究展望59-60
• 参考文献60-65
• 攻读硕士期间发表论文和参加项目情况65-66
• 致谢66

【参考文献】

中国期刊全文数据库 前10条

1 于宏涛;高立群;田卫华;;求解TSP的离散人工蜂群算法[J];东北大学学报(自然科学版);2015年08期

2 袁蒙;燕

本文编号：327456