我國(guó)小水電資源豐富,分布廣泛。如何有效地利用小水電資源對(duì)農(nóng)村地區(qū)經(jīng)濟(jì),生態(tài)等發(fā)展有著重要意義。隨著近年來(lái)小水電調(diào)度由人工調(diào)度轉(zhuǎn)向智能優(yōu)化調(diào)度,研究并選取優(yōu)秀的多目標(biāo)優(yōu)化算法在調(diào)度中起著至關(guān)重要的作用。本文重點(diǎn)研究并改進(jìn)了基于分解的多目標(biāo)優(yōu)化算法MOEA/D,針對(duì)原先算法中解集容易陷入局部最優(yōu)的問(wèn)題,提出了基于角度選擇的改進(jìn)MOEA/D算法MOEA/D-AU,該算法擁有更加良好的分布性和收斂性平衡;而后又對(duì)MOEA/D-AU進(jìn)行了改進(jìn),引入了自適應(yīng)策略來(lái)提升算法收斂過(guò)程中的自適應(yīng)能力,提出了基于自適應(yīng)角度選擇的改進(jìn)MOEA/D-AU算法MOEA/D-AAU。最后參與設(shè)計(jì)開(kāi)發(fā)了小水電智能調(diào)度管理系統(tǒng),并根據(jù)實(shí)際情況選取建立合適的小水電群優(yōu)化調(diào)度模型,將前面提出的MOEA/D-AAU算法運(yùn)用其中并運(yùn)算出科學(xué)的調(diào)度方案。本文的主要工作如下:（1）針對(duì)原始的基于分解的多目標(biāo)優(yōu)化算法MOEA/D在迭代過(guò)程中,解集容易陷入局部最優(yōu),解集的分布性欠佳等問(wèn)題,引入角度選擇的思想提出了MOEA/D-AU算法。實(shí)驗(yàn)結(jié)果表明,MOEA/D-AU較原來(lái)的算法表現(xiàn)更加優(yōu)秀,具有更好的收斂性和分布性。（2）針對(duì)基于... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及意義
    1.2 小水電多目標(biāo)優(yōu)化調(diào)度研究現(xiàn)狀
        1.2.1 小水電多目標(biāo)優(yōu)化調(diào)度國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 小水電多目標(biāo)優(yōu)化調(diào)度算法研究現(xiàn)狀
        1.2.3 小水電多目標(biāo)優(yōu)化調(diào)度發(fā)展趨勢(shì)
    1.3 論文來(lái)源與組織結(jié)構(gòu)
        1.3.1 課題來(lái)源
        1.3.2 論文組織結(jié)構(gòu)
第2章 多目標(biāo)優(yōu)化問(wèn)題與標(biāo)準(zhǔn)分解算法
    2.1 引言
    2.2 多目標(biāo)優(yōu)化問(wèn)題
        2.2.1 多目標(biāo)優(yōu)化問(wèn)題簡(jiǎn)述
        2.2.2 基于分解的多目標(biāo)優(yōu)化算法MOEA/D的提出
    2.3 基于分解的多目標(biāo)優(yōu)化算法MOEA/D框架
        2.3.1 多目標(biāo)分解方法
        2.3.2 算法流程
    2.4 MOEA/D算法框架研究現(xiàn)狀
        2.4.1 MOEA/D算法框架的不同研究路線
    2.5 本章小結(jié)
第3章 基于角度選擇的改進(jìn)MOEA/D算法
    3.1 引言
    3.2 標(biāo)準(zhǔn)算法存在的問(wèn)題
    3.3 MOEA/D-AU算法
        3.3.1 算法基本原理
        3.3.2 算法實(shí)現(xiàn)及流程
        3.3.3 算法復(fù)雜度分析
    3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.4.1 標(biāo)準(zhǔn)測(cè)試函數(shù)及性能評(píng)價(jià)指標(biāo)
        3.4.2 比較算法及實(shí)驗(yàn)參數(shù)設(shè)定
        3.4.3 角度范圍系數(shù)G的影響
        3.4.4 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第4章 基于自適應(yīng)角度選擇的改進(jìn)MOEA/D-AU算法
    4.1 引言
    4.2 自適應(yīng)動(dòng)態(tài)調(diào)整策略
    4.3 MOEA/D-AAU算法
        4.3.1 自適應(yīng)動(dòng)態(tài)調(diào)整策略的引入
        4.3.2 算法實(shí)現(xiàn)及流程
        4.3.3 算法復(fù)雜度分析
    4.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.4.1 標(biāo)準(zhǔn)測(cè)試函數(shù)及性能評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)比較算法及參數(shù)設(shè)定
        4.4.3 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第5章 梯級(jí)小水電智能調(diào)度管理系統(tǒng)及算法應(yīng)用
    5.1 前言
    5.2 系統(tǒng)分析與設(shè)計(jì)
        5.2.1 系統(tǒng)設(shè)計(jì)要求
        5.2.2 系統(tǒng)開(kāi)發(fā)框架
        5.2.3 系統(tǒng)運(yùn)行環(huán)境
    5.3 調(diào)度管理系統(tǒng)功能模塊設(shè)計(jì)
        5.3.1 系統(tǒng)功能結(jié)構(gòu)
        5.3.2 調(diào)度決策模塊
        5.3.3 智能算法模塊
        5.3.4 調(diào)度模型模塊
        5.3.5 數(shù)據(jù)管理模塊
    5.4 管理系統(tǒng)整體及各模塊實(shí)現(xiàn)
        5.4.1 系統(tǒng)整體界面
        5.4.2 系統(tǒng)各模塊界面
    5.5 MOEA/D-AAU算法系統(tǒng)實(shí)現(xiàn)
        5.5.1 調(diào)度模型原則
        5.5.2 小水電多目標(biāo)調(diào)度模型
        5.5.3 MOEA/D-AAU算法系統(tǒng)實(shí)現(xiàn)
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參加的科研項(xiàng)目和成果



本文編號(hào)：3182826