单亲遗传算法对于在梯级水力发系统中多级电站的经济分配方法的改进作用（外文翻译） ㊣ 精品文档 值得下载

个带有很多复杂的约束条件的非线性最优化问题。

在本论文中，为了解决水力发电系统中的这个问题，提出了种基于不均匀变异算子的改进后的单亲遗传算法。

在新的运算规则中，仅仅隔离了交叉算子，这样操作比在中简单，而且在进化过程中不产生无效后代。

在将贪婪选择的方法跟均匀的变异算子的帮助下，致选择在早期或者在晚期的局部寻找解决的合适时这样避免了随机的盲目障碍，保留了希望的解决方案。

最后，把被推荐的运算法则应用到中国境内的两个大规模水电站水力发电系统中。

与其他算法相比，用获得的结果在效率方面有很大的优势。

关键词多目标优化改进单亲遗传算法非均匀变异算子梯级水电站群引文梯级水力发电系统中多目标经济分配的最优化是水资源管理中最复杂的问题之因为它涉及到权衡问题。

的关系充分平衡。

通过加权的方法，利用不同的权重将所有的目标都整合到个目标函数，就变成了每次运行优化模型的最优平衡的解决方案。

然而，不同的研究人员中使用的约束方法多用于的问题在个多用途水库或级联水电系统中。

因为当非劣解集是不凸的时候，加权法并不能识别其凹陷，很容易遗漏的部分帕累托最优解集。

此外，许多的组合权重可能导致相同的帕累托最优解，增加了加权法的计算时间基于以上原因，本文采用约束的方法。

为使最小出力最大化，在梯级水电站调度期间，目标函数转换为梯级水电系统的最小总输出功率的函数，最终个目标函数见转换为个点的最小总输出功率的目标函数。

在实际计算中，我们设定梯级水电站的最小总输出功率尽可能大，直到级联水电系统的总功率输出在任何时候都能够满足。

改进的单亲遗传算法在本节中，我们提出种改进的单亲遗传算法基于非均匀变异算子和详细介绍其实现过程。

单亲遗传算法的原理遗传算法是种自适应启发式搜索算法，起源于年代中期，通过模拟生物进化的自然选择来实现。

在遗传算法中，问题的解决方案表示为个个体组成的群体被称为染色体或字符串每个染色体都是由系列的基因，为状态变量，可以由二进制字母或元表示。

算法开始以总体中产生健康的个体，通过适用于遗传算子如选择交叉变异搜索最优解。

遗传算法，操作步骤如下编码编码状态变量使用染色体作为解决问题的办法。

在这项研究中，体现了染色体的基因编码的实际价值。

初始化随机产生初始种群，这各种群应该覆盖整个可能解决问题的方案范围。

种群规模取决于问题的性质。

评估通过目标函数来评估种群中的每个染色体的健身价值。

遗传算子基本遗传算子选择交叉和变异是用于创建下代。

然后重复以上步骤，直到满足终止条件。

在遗传算法解决优化问题时，主要用到了生殖过程中交叉的的遗传算子。

交叉部分之间的对应的基因交换，两个父染色体选择产生两个后代染色体，但它可能生成无效的子染色体。

所以，我们经常使用些特殊的交叉部分来匹配交叉顺序和交叉周期。

但是他们不方便在实践中使用，因为遗传操作非常复杂。

在理论研究中，收敛性是个关键问题。

而使用的非均匀变异算子进化算法取得了许多不错的结果。

在本文中，我们将非均匀变异算子应用于实数编码算法，而不是其他变异算法如高斯或柯西变异。

这项工作是受以下研究成果的影响。

首先，高概率的再跳是进化算法在早期阶段有总体最优值的体现。

然而，当前位置已经非常接近全局最优，这是有害的。

第二，非均匀变异算子具有搜索解的空间的特性。

换句话说，非均匀变异的共同优势更高的概率远长跳的早期阶段，更好的局部微调能力的后期。

正如我们前面提到的不仅简单而且也比遗传算法更高效和更实用。

此外，遗传算法中使用的非均匀变异算子已经为个数值参数优化问题取得了良好的效果。

因此，我们让非均匀变异算子在遗传操作过程中扮演了重要的角色。

在，每个组件的每个实数编码个体向量与定的概率只有次突变。

这是有别于传统的本地搜索，执行反复的本地搜索直到得到局部最优解。

所以就变异个体已经发生了改变，目前的种群将被取代。

如，个有水力发电和通航任务的水库，它的调度员可能希望通过水力发电获得最大效益，同时通过泄水来满足农业需求。

然而，水力发电中更高效益的获得与农业灌溉之间有冲突，简单的说，就是以牺牲农业为代价来获得水力发电的高效益。

在中，描述了两者之间的最佳解决方法，在现实中，大多数水库都有多种任务而且它们本质上也是多目标的，为了能使条河流上的水库群能发展水力发电的合理分配，在近些年，梯级水电系统中的问题成为个主流研究课题，梯级水电系统中的问题的目标是决定发电过程中水电站的用水量，从而使在调度周期整体利益最大化，同时满足各种水需求和其他复杂的约束条件。

由于梯级水电系统中复杂的电力和水利关系，梯级水电站中的多目标优化运行的研究范围巨大动力学，强烈的非线性问题，非线性问题包括入库流量，库容，泄水，水头，水位，出力和发电量。

到目前为止，很多研究提出了很多解决问题的多种不同的方。

传统方法，例如混合整数线性规划，拉格朗日松弛，动态规划，和逐步优化算法，已经被大规模应用。

而且从中获得了很多成果。

然而，上述这些方法存在定的缺陷，用它们来解决最优化问题会造成效率降低，甚至会更加严重，当使用方法来解决问题，线性化的多目标函数和约束条件可以从原始问题中脱离出来，这使得这种解决方案不准确。

对于方法，采用了些近似方法来处理间断的，不可微分的或者非凸多目标函数，而且这些方法的预算昂贵。

拉格朗日常数升级方法对于的效率产生了不利影响，使得解决方案的稳定性变差。

通过方法可以解决多任务的水库最佳选择问题，当梯级水电系统的维度增加时这种方法就象被诅咒了样，计算时间戏剧性减少。

被广泛应用于解决梯级水电站的优化调度问题，但是它对于初始解很敏感，初始解通常会缩小研究范围的并且很容易陷入帕累托前沿目前，有越来越大的兴趣从生物动力自适应系统建模的自适应启发式搜索算法来解决问题，因为他们具有强大的全局搜索能力，如遗传算法，蚁群优化算法，粒子群优化算法和人工蜜蜂殖民地算法。

然而，与经典的方法相同，上面提到的所有这些启发式随机搜索算法也有自身的缺点。

例如，有时他们可能过早收敛，而且这些算法的搜索能力对于参数的设置非常敏感。

算法是最有前途的技术之，在自然进化算法的自适应系统领域引起了极大的关注，因为它优化了复杂的系统的灵活性和效率。

为了克服这缺点，单亲遗传算法提出了种改进的遗传算法。

在算法中，交叉总是视为主要因素，而变异因素只是扮演助手的角色。

但在算法中，只有突变操作，不生成无效的后代。

根据在文献中提出的单亲遗传模式定理，我们发现高排名模式在随后的代急剧的减少，尽管他们的适合度值比总体中的平均值更加合适，这可能会导致高排名模式相匹配的全局最优个体迅速的遭到废弃，在全局中最优个体找到之前。

似乎算法避开了全局最优个体所在的附近区域，降低了算法的搜索效率。

为了克服这缺点，避免不良的趋势，本文提出了种改进的单亲遗传算法在级联水电系统中基于非均匀变异算子来解决问题。

同时提出了贪婪概念和个人变异的单个组件的概念，把这些概念都纳入了算法。

为了避免可能的随机跳跃，确保算法在该领域能够对搜索引擎更好的优化。

接下来的文章中是这样解释的。

数值模型部分描述了在级联水电系统模型的问题。

改进单亲遗传算法部分介绍了算法改进后的单亲遗传算法，详细介绍了其实现过程。

实施梯级水电站的经济调度系统局部的评估了改进遗传算法，并用从中国水电能源系统中个有两个梯级水库的数据使用不同算法进行比较。

最后，我们提出本论文的结论。

数学模型在水电能源系统优化领域中，梯级水电站经济调度是个典型的问题。

通常，操作的目的是使总发电效益大化发或在满足所有约束条件的情况下，在调度期间通过确定最合理的泄水，使级联水电站总发电量最大化。

然而，随着中国社会经济的发展，电力消费结构的变化需要更多大容量机组参与电网调峰。

为了指导梯级水库优化调度