基于协同进化粒子群算法的水库优化调度与应用

水库供水优化调度中存在多个供水目标、多个决策变量和复杂多约束条件,从而呈现出高维度、非线性、强约束特性。针对传统粒子群算法求解此类问题容易出现的收敛速度慢、计算效率低及早熟问题,将合作型协同进化思想与粒子群算法相结合,提出一种基于种群停滞搜索技术的协同进化粒子群算法,一方面通过种群内部个体间的竞争进化模式来提高种群竞争力,另一方面通过种群之间的相互合作模式提升算法全域搜索能力,各种群依次实行进化过程和协同过程,以保持种群进化过程中的多样性,并从“种群进化过程监视”的角度出发,提出了防止算法早熟的种群停滞探测技术,提高算法收敛速度。将提出的算法应用于徐家河水库供水优化调度模型求解中,结果表明,相对于传统粒子群算法,本算法计算的生活、工业和灌溉累积缺水总量分别降低了47.2%、33.3%和14.4%,供水保证率分别提高了1.7%、1.9%和4.4%,缺水指数分别降低了0.064、0.071和0.076,年均弃水量减少了1.9%,水资源利用效率有所增加。算法性能方面,协同进化粒子群算法在迭代早期(约65次迭代)就开始收敛,并在一定程度上避免了粒子陷入局部最优,降低了算法的不确定。综上表明,本文提出的算法易于实现,求解效率高,为水库优化调度模型求解提供了新的思路。