[發明專利]基于改進的多目標量子遺傳算法的水資源優化調度方法

在審

• 申請號: 201710794058.1
• 申請日: 2017-09-06
• 公開（公告）號: CN107527119A
• 公開（公告）日: 2017-12-29
• 發明（設計）人: 雷曉輝;聞昕;王攀;張宇虹
• 申請（專利權）人: 河海大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 李玉平

技術領域

本發明涉及一種基于改進的多目標量子遺傳算法的水資源優化調度方法，屬于水利水電領域的水資源調度技術領域。

背景技術

水資源優化調度是一個高度復雜的多約束、多階段、多目標決策的動態非線性的最優控制問題，核心是通過水資源配置系統進行的水量調節，具有多水源互濟互調的特點，尤其是對于具有防洪、發電、灌溉供水、航運、生態等綜合作用的水利工程來說，加大其優化求解的復雜度。水資源優化調度的研究始于上世紀40年代，起步于1953年Hall及Dracup對于密蘇里河流域6座水庫的研究設計。近年來，越來越多的學者對水資源優化調度的模型構建和求解算法展開了深入研究，隨著數學規劃理論的日漸成熟和計算機技術的廣泛應用，水資源優化調度算法的研究進展迅速，尤其遺傳算法、模糊退化、人工神經網絡、混沌優化算法、蟻群算法等智能優化進化算法的研究甚為火熱并已得到廣泛應用。但是由于水資源優化調度的復雜性和多目標性，常規優化算法在收斂性、計算速度、初值敏感性等方面效果不是很理想。為實現總體綜合效益的最大化，需要對各目標進行權衡擇優，很多研究者開始致力于多目標進化算法(MOEA)的研究。近年來有關MOEA的研究大多是在群體進化過程中引入非支配解集(Pareto)思想，為水資源的多目標優化調度打下了夯實的基礎。

量子遺傳算法(QGA)于1996年由Narayanan等人受量子計算思想啟發，將量子多宇宙的概念引入遺傳算法的研究后提出，是一種基于量子計算原理的概率優化的遺傳算法，具有搜索種群規模小、收斂速度快、全局搜索能力強等優點點。近年來，量子遺傳算法在單目標優化、約束優化、動態優化等問題上得到廣泛的應用。但是現實生活中，更多的是需要對多個目標同時進行優化，單目標量子遺傳算法顯然無法直接用于多目標問題的求解，需要對其加以改進以便能夠生成多個解，維持找到的多個解并且保持其多樣性。因此很多學者投入到對于多目標量子遺傳算法(MOQGA)的研究中，希望將其成為解決多目標優化問題的有力工具。

近年來，國內外不少學者將多目標量子遺傳算法應用到水資源優化調度領域并得到了廣泛的應用，現階段提出的基于多目標量子遺傳算法的水資源優化調度存在易陷于局部最優解、非劣解分布不均等缺陷。

發明內容

發明目的：針對基本多目標量子遺傳算法容易陷入局部收斂，外部檔案集非劣解分布不均，個體難收斂到非劣解前沿等缺陷，提供一種基于改進的多目標量子遺傳算法的水資源優化調度方法，并在外部檔案非劣解集的基礎上采用模糊層次分析法的多目標決策理論選擇最優水資源調度方案，實現水資源的多目標優化調度。

技術方案：一種基于改進的多目標量子遺傳算法的水資源優化調度方法，包括以下步驟：

步驟一：獲取水資源系統工程的基本信息數據，包括：泵、閘站以及水庫等水利工程過流能力值q，初末庫容限制V，正常蓄水位Z_正、防洪限制水位Z_防、死水位Z_死，容積-水位關系曲線S～Z，下游水位-下泄流量關系曲線Z～Q，發電機組出力約束值N，來水量W；

步驟二：建立以經濟效益、社會效益、生態效益等綜合效益最大的目標函數，考慮水量平衡、機組出力、過流能力等約束條件的水資源優化調度數學模型：

minF(x)＝{f₁(x),f₂(x),…,f_n(x)}