求解无约束优化问题的仿水循环算法

针对无约束优化问题,根据自然界水循环过程,提出一种仿水循环算法。其中包括汇流、分流、下渗、蒸发、降雨等粒子选优步骤,通过判断种群数量、粒子质量和位置,对种群和粒子进行相应调整,智能且动态地适应当前搜索的要求,同时采用新的相对重力粒子寻优机制,计算粒子相对重力的方向和大小,引导粒子持续向更优的位置移动。理论分析与仿真结果均表明,该算法能加快种群迭代速度,提高粒子搜索精度,防止粒子陷入局部最优。

基于仿水循环算法的梯级水库群多目标优化调度研究

仿水循环算法(WCA)是一种新的智能种群优化算法,将该方法引入梯级水库群多目标优化调度,并提出多目标仿水循环算法(MWCA)。MWCA通过对自然界水循环过程的模拟,构建多目标下的相对重力机制,实现对非劣解的有效搜索,建立汇流、分流、渗流、蒸发降雨4个搜索策略,提升算法的收敛速度、多样性和局部搜索能力,同时有效克服传统算法的早熟问题,令算法具有较强的全局搜索和收敛性能。在梯级水库群多目标优化调度实例计算中,与多目标粒子群算法MOPSO和多目标遗传算法NSGA-Ⅱ进行比较分析,结果表明MWCA在计算结果和非劣解多样性上均优于其他算法,为梯级水库群多目标优化调度问题提供了一种有效的求解思路。

基于含多种约束仿水循环算法的梯级水电站优化调度

梯级水电站经济调度是一个具有多维数、多目标、非线性的新问题,调度策略随决策者期望而变化。根据不同调度期望,构建三个分别以发电量最大、耗水量最小、末期蓄水量最大为目标的优化调度模型。本文提出的仿水循环算法是一种受自然界水循环过程启发提出的全新算法,即含多种约束的仿水循环算法CWCA,引入水滴权重因子,可根据寻优情况自适应地调整权重值,有效解决迭代速度与计算精度的权衡问题,以及因水滴粒子处于局部最优而导致迭代停滞的问题。利用不同测试函数求解结果对比表明,CWCA比改进粒子群算法MPSO更具有效性与优越性。经对三座梯级水电站优化调度策略的仿真结果证明了CWCA的可行性,也显示了MPSO可显著提高优化结果,大幅降低收敛时间,是一种更优越的智能种群算法。

基于仿水循环粒子群算法的含风电短期节能减排经济调度

针对粒子群算法在上述问题的全局最优解计算中耗时大且往往不易收敛的问题,从自然界水循环过程中得到启发,揭示水循环过程与粒子群算法的结合,提出仿水循环粒子群算法,并导出该算法结构与公式。