[发明专利]基于改进的多目标量子遗传算法的水资源优化调度方法

说明书

技术领域

本发明涉及一种基于改进的多目标量子遗传算法的水资源优化调度方法，属于水利水电领域的水资源调度技术领域。

背景技术

水资源优化调度是一个高度复杂的多约束、多阶段、多目标决策的动态非线性的最优控制问题，核心是通过水资源配置系统进行的水量调节，具有多水源互济互调的特点，尤其是对于具有防洪、发电、灌溉供水、航运、生态等综合作用的水利工程来说，加大其优化求解的复杂度。水资源优化调度的研究始于上世纪40年代，起步于1953年Hall及Dracup对于密苏里河流域6座水库的研究设计。近年来，越来越多的学者对水资源优化调度的模型构建和求解算法展开了深入研究，随着数学规划理论的日渐成熟和计算机技术的广泛应用，水资源优化调度算法的研究进展迅速，尤其遗传算法、模糊退化、人工神经网络、混沌优化算法、蚁群算法等智能优化进化算法的研究甚为火热并已得到广泛应用。但是由于水资源优化调度的复杂性和多目标性，常规优化算法在收敛性、计算速度、初值敏感性等方面效果不是很理想。为实现总体综合效益的最大化，需要对各目标进行权衡择优，很多研究者开始致力于多目标进化算法(MOEA)的研究。近年来有关MOEA的研究大多是在群体进化过程中引入非支配解集(Pareto)思想，为水资源的多目标优化调度打下了夯实的基础。

量子遗传算法(QGA)于1996年由Narayanan等人受量子计算思想启发，将量子多宇宙的概念引入遗传算法的研究后提出，是一种基于量子计算原理的概率优化的遗传算法，具有搜索种群规模小、收敛速度快、全局搜索能力强等优点点。近年来，量子遗传算法在单目标优化、约束优化、动态优化等问题上得到广泛的应用。但是现实生活中，更多的是需要对多个目标同时进行优化，单目标量子遗传算法显然无法直接用于多目标问题的求解，需要对其加以改进以便能够生成多个解，维持找到的多个解并且保持其多样性。因此很多学者投入到对于多目标量子遗传算法(MOQGA)的研究中，希望将其成为解决多目标优化问题的有力工具。

近年来，国内外不少学者将多目标量子遗传算法应用到水资源优化调度领域并得到了广泛的应用，现阶段提出的基于多目标量子遗传算法的水资源优化调度存在易陷于局部最优解、非劣解分布不均等缺陷。

发明内容

发明目的：针对基本多目标量子遗传算法容易陷入局部收敛，外部档案集非劣解分布不均，个体难收敛到非劣解前沿等缺陷，提供一种基于改进的多目标量子遗传算法的水资源优化调度方法，并在外部档案非劣解集的基础上采用模糊层次分析法的多目标决策理论选择最优水资源调度方案，实现水资源的多目标优化调度。

技术方案：一种基于改进的多目标量子遗传算法的水资源优化调度方法，包括以下步骤：

步骤一：获取水资源系统工程的基本信息数据，包括：泵、闸站以及水库等水利工程过流能力值q，初末库容限制V，正常蓄水位Z_正、防洪限制水位Z_防、死水位Z_死，容积-水位关系曲线S～Z，下游水位-下泄流量关系曲线Z～Q，发电机组出力约束值N，来水量W；

步骤二：建立以经济效益、社会效益、生态效益等综合效益最大的目标函数，考虑水量平衡、机组出力、过流能力等约束条件的水资源优化调度数学模型：

minF(x)＝{f₁(x),f₂(x),…,f_n(x)}