[发明专利]一种基于多目标量子混合蛙跳算法的水资源优化调度方法

摘要

本发明公开了一种基于多目标量子混合蛙跳算法的水资源优化调度方法，步骤如下：首先获取水资源系统的基本信息数据；其次建立水资源多目标优化调度模型；然后执行基于多目标量子混合蛙跳算法，求解水资源系统多目标优化调度的Pareto最优解集；最后根据多目标决策理论，主客观权重相结合选择最优的水资源调度理论。本发明实现全局寻优，提高计算效率，满足选择水资源系统多目标最优调度方案要求。

主权项

1.一种基于多目标量子混合蛙跳算法的水资源优化调度方法，其特征在于，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、闸站以及水库过流能力值q，湖泊及水库初末库容限制V，湖泊以及水库的正常蓄水位Z_正、防洪限制水位Z_防、死水位Z_死，湖泊以及水库容积‑水位关系曲线S～Z，水库下游水位‑下泄流量关系曲线Z～Q，水库发电机组出力约束值N，来水量W；步骤二：建立综合效益最大等目标函数，考虑水量平衡、机组出力、过流能力的约束条件的多目标优化调度数学模型；步骤三：执行多目标量子混合蛙跳算法；步骤四：基于EA，采用基于组合权重的多目标决策方法确定水资源系统最优调度方案；步骤三：执行多目标量子混合蛙跳算法，包括以下步骤：(1)确定以水资源工程时段末蓄水量S、下泄流量u或工程过水流量q为决策变量，划分水资源调度周期时段T；(2)设定参数：确定由决策变量组成的初始种群规模G，子种群数N，子种群个体数量M，全局迭代次数MAXGEN，子种群迭代次数K，外部归档集规模N_EA，旋转角度算子[δ_min,δ_max]，变异频率[P_min,P_max]；(3)基于量子三链编码方案生成初始解种群：量子比特属于一个由连续幅度变量θ和所刻画的矢量空间，可用嵌入三维笛卡儿坐标系中的Bloch球面上的一个点来描述，基于此生成G个初始个体，并分成N个子种群，每个子种群包含M个个体；(4)初始全局迭代次数，GEN＝0，外部归档集EA赋空集；(5)进行解空间转换并计算每个个体的各个目标函数值，进行非支配排序，依据动态更新机制更新EA，随机选择全局最优解X_g,b，确定最优解在Bloch球面上对应的幅度θ_g,b、其中具有动态更新机制的外部归档集操作流程如下：①判断非劣解集个数，当非劣解个数大于N_EA时，执行步骤②，否则，执行步骤③；②计算每个非劣解的拥挤距离，将边界点赋予无穷大拥挤距离，以保证进入下一代，按照拥挤距离大小进行排序，删除拥挤距离最小的个体，重新更新拥挤距离，直至达到外部归档集规模后停止，将更新后个体输出到EA；③如果非劣解集个数小于EA设定规模，计算非劣解等级I、II个体的拥挤距离，平均拥挤距离记为d₁、d₂，删除序列等级级I、II中拥挤距离低于平均拥挤距离的个体；④完成EA中精英个体的繁殖与优选，随机选择全局最优解X_g,b，确定θ_g，b、⑤将全局迭代新生成的非劣解与EA中精英解进行支配比较，替换EA中被支配的解，完成EA的更新，随机选择全局最优解X_g,b，确定θ_g,b、(6)按照非劣等级对种群个体在各等级内随机排序，所有个体混合后划分N个子种群，每个子种群个体数M，选择子种群中第一个个体和第M个个体为子种群最优解和最差解，记为X_b、X_w，确定θ_b、以及θ_w、(7)局部搜索更新，基于量子计算进行各子种群中最差解的更新，具体步骤如下：①设定当前子种群中最优个体X_b以及最差个体X_w第j个量子位，j＝1,2,…,T；②采用绕固体轴旋转r的个体更新策略，确定当前子种群中最差解X_w向最优解X_b旋转更新，其中改进旋转角度算子，提出一种依据非劣排序等级高低动态调整旋转角度算子；③执行个体变异操作，采用动态概率种群多样性保持策略计算；④计算X_w与变异个体的各个目标函数值，若变异个体支配X_w，则变异个体替换X_w，否则，随机替换X_w；⑤当子种群迭代次数达到K次时，完成当前子种群更新迭代，进行重复步骤①‑④，进行下一子种群局部搜索；(8)子种群混合，各子种群局部搜索完成后，将所有个体混合，重新组合成G个个体的种群，转入步骤(5)；(9)判断是否达到全局迭代次数MAXGEN，若没有达到，转到步骤(5)，继续下一轮的全局搜索，否则，算法结束，输出EA。