[發明專利]一種基于多種群協作粒子群算法的水庫群調度方法和系統

在審

• 申請號: 202011024516.1
• 申請日: 2020-09-25
• 公開（公告）號: CN112132469A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 莫莉;汪濤;王永強;易敏;諶沁
• 申請（專利權）人: 華中科技大學;長江水利委員會長江科學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種基于多種群協作粒子群算法的水庫群調度方法，其特征在于，包括：

S1.建立水庫群調度模型并確定其約束條件；

S2.多種群粒子群協作的粒子群初始化：水庫群調度模型中決策變量作為算法的粒子，隨機生成n個規模為N的初始種群，種群中個體初始值設定為滿足已構建的水庫群調度模型約束條件允許區間內的隨機值，并按順序對各個種群賦予從大到小不同的慣性權重，即ω_i-1＞ω_i；ω_i表示第i個種群的慣性權重，i＝1,...,n；

S3.適應值計算：計算每個種群的粒子適應值，得到每個粒子自身的歷史適應值最優位置和每個種群的適應值最優位置；

S4.粒子速度更新：

若前一個種群最優位置對應的適應值優于后一個種群，且兩個種群最優位置間的矢量角度小于90°，則前后種群協作更新粒子速度；

若前一個種群最優位置對應的適應值優于后一個種群，且兩個種群最優位置間的矢量角度大于或等于90°，則對種群進行分化，分別更新粒子速度；

若前一個種群最優位置對應的適應值不優于后一個種群，則按本種群當前狀態更新粒子速度；

S5.根據當前粒子速度更新粒子位置；

S6.所有種群的粒子迭代執行步驟S3-S5直至達到設定次數，求解得出水庫群調度模型的決策變量值。

2.根據權利要求1所述的一種基于多種群協作粒子群算法的水庫群調度方法，其特征在于，步驟S2中每個種群的慣性權重由得到；式中，n為種群數量，ω_max和ω_min為慣性權重的最大值和最小值。

3.根據權利要求1或2所述的一種基于多種群協作粒子群算法的水庫群調度方法，其特征在于，步驟S4具體包括：

01.若前一個種群最優位置對應的適應值優于后一個種群，且時，則粒子的速度更新公式為：

其中，v_ij為第i個種群第j個粒子的速度；c₁和c₂是學習因子；rand()是介于(0，1)之間的隨機數；x_ij是當前粒子的位置；gbest_i-1，pbest_ij，gbest_i分別為第i-1個種群的種群最優值的位置和第i個種群的個體最優值位置及種群最優值位置；為兩個種群最優值位置間的矢量夾角的余弦值；fitness_i為第i個種群gbest點的適應值；

02.若前一個種群最優位置對應的適應值優于后一個種群，且φ＜0時，則根據吸引因子將第i個種群被分為i1和i2兩個種群；所述吸引因子表示不同空間位置的最優值對當前粒子群的吸引程度；

i1種群粒子的速度更新公式為：

v_ij＝ω_i×v_ij+c₁×rand()×(pbest_ij-x_ij)+c₂×rand()×(gbest_i-x_ij)

i2種群粒子的速度更新公式為：

v_ij＝ω_i×v_ij+c₁×rand()×(pbest_ij-x_ij)+c₂×rand()×(gbest_i-1-x_ij)

03.若慣性權重大的種群最優位置對應的適應值并不優于慣性權重小的種群，則按照i2種群粒子的速度更新公式對粒子速度進行更新。

4.根據權利要求3所述的一種基于多種群協作粒子群算法的水庫群調度方法，其特征在于，所述根據吸引因子將第i個種群被分為i1和i2兩個種群，具體為，若以適應值大為優，則將前N·η個粒子作為i1種群，將后N-N·η個粒子作為i2種群；若以適應值小為優，則i1，i2的數量互換；η為吸引因子；

其中，為第i個種群的種群最優位置對應的適應值。