本文關(guān)鍵詞：改進(jìn)人工蜂群算法及在梯級水庫群優(yōu)化調(diào)度中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國水電行業(yè)的發(fā)展,梯級水庫群已成為最常見的水利樞紐系統(tǒng),而其優(yōu)化調(diào)度則是整個水資源開發(fā)利用優(yōu)化的核心。梯級水庫群優(yōu)化是一個多時段、多約束的非線性復(fù)雜問題,雖然傳統(tǒng)的調(diào)度方法能解決單一水庫優(yōu)化問題,但是計算量隨水庫數(shù)目增多而顯著增大,易陷入“維度災(zāi)”的問題。近年來,一些智能優(yōu)化算法,如粒子群優(yōu)化算法、人工蜂群算法、差分進(jìn)化算法的的快速發(fā)展,為梯級水庫群優(yōu)化調(diào)度問題提供了一個新穎、有效的途徑。人工蜂群算法結(jié)構(gòu)簡單、性能良好,被應(yīng)用于眾多工程領(lǐng)域,但是算法本身仍存在著許多不足。本文以人工蜂群算法為研究對象,梯級水庫調(diào)度為應(yīng)用目標(biāo),取得主要成果如下:(1)為提升人工蜂群算法收斂速度,結(jié)合差分進(jìn)化算法的交叉思想和粒子群算法的最優(yōu)學(xué)習(xí)思想,提出了自適應(yīng)人工蜂群算法;(2)在收斂速度提升的同時,算法面臨著陷入局部最優(yōu)的危險,因此進(jìn)行了深度的研究,提出異維學(xué)習(xí)的擾動方式,構(gòu)造了異維學(xué)習(xí)人工蜂群算法;(3)單一進(jìn)化模式導(dǎo)致搜索能力的失衡,為平衡算法搜索能力,歸納出常規(guī)的搜索策略并進(jìn)一步完善,提出了混合人工蜂群算法;(4)介紹了水庫調(diào)度的數(shù)學(xué)模型,分析了蜂群算法在水庫群優(yōu)化應(yīng)用過程中需要解決的難題,并把三種改進(jìn)蜂群算法應(yīng)用于清江梯級水庫優(yōu)化調(diào)度中。
【關(guān)鍵詞】：人工蜂群算法 優(yōu)化 自適應(yīng) 異維學(xué)習(xí) 混合
【學(xué)位授予單位】：南昌工程學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TV697.12
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 緒論7-12
• 1.1 研究背景和意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.2.1 梯級水庫調(diào)度研究現(xiàn)狀8-9
• 1.2.2 人工蜂群算法研究現(xiàn)狀9-10
• 1.3 主要研究內(nèi)容10-11
• 1.4 本文框架11-12
• 第2章 相關(guān)理論基礎(chǔ)12-18
• 2.1 梯級水庫優(yōu)化調(diào)度方法12-14
• 2.1.1 線性規(guī)劃和非線性規(guī)劃12
• 2.1.2 動態(tài)規(guī)劃法12-13
• 2.1.3 智能優(yōu)化算法13-14
• 2.2 標(biāo)準(zhǔn)人工蜂群算法14-17
• 2.2.1 人工蜂群算法基本原理14-15
• 2.2.2 人工蜂群算法流程15-16
• 2.2.3 人工蜂群算法參數(shù)分析16-17
• 2.2.4 人工蜂群算法時間復(fù)雜度分析17
• 2.3 本章小結(jié)17-18
• 第3章 自適應(yīng)人工蜂群算法18-24
• 3.1 基本人工蜂群的缺點18
• 3.2 自適應(yīng)人工蜂群算法18-20
• 3.2.1 自適應(yīng)交叉策略18-19
• 3.2.2 自適應(yīng)全局最優(yōu)引導(dǎo)策略19
• 3.2.3 算法流程19-20
• 3.3 實驗與分析20-23
• 3.3.1 經(jīng)典基準(zhǔn)函數(shù)20
• 3.3.2 實驗結(jié)果分析20-21
• 3.3.3 收斂曲線21-23
• 3.4 本章小結(jié)23-24
• 第4章 異維學(xué)習(xí)人工蜂群算法24-37
• 4.1 異維學(xué)習(xí)人工蜂群算法24-27
• 4.1.1 雇傭蜂自適應(yīng)搜索策略24
• 4.1.2 觀察蜂異維學(xué)習(xí)搜索策略24-25
• 4.1.3 時間復(fù)雜度分析25
• 4.1.4 DDLABC算法流程25-27
• 4.2 仿真實驗與結(jié)果分析27-35
• 4.2.1 經(jīng)典基準(zhǔn)函數(shù)的測試與分析27-33
• 4.2.2 復(fù)合基準(zhǔn)函數(shù)的測試與分析33-35
• 4.3 本章小結(jié)35-37
• 第5章 混合人工蜂群算法37-48
• 5.1 混合人工蜂群算法37-39
• 5.1.1 混合搜索策略37-38
• 5.1.2 算法流程38-39
• 5.2 實驗與分析39-47
• 5.2.1 經(jīng)典基準(zhǔn)函數(shù)的測試與分析39-44
• 5.2.2 在CEC2013基準(zhǔn)函數(shù)的測試與分析44-47
• 5.3 本章小結(jié)47-48
• 第6章 梯級水庫優(yōu)化調(diào)度研究48-59
• 6.1 梯級水庫調(diào)度數(shù)學(xué)模型48-49
• 6.1.1 目標(biāo)函數(shù)48
• 6.1.2 約束條件48-49
• 6.2 基于人工蜂群算法的梯級水庫調(diào)度49-52
• 6.2.1 改進(jìn)蜂群算法的適用性研究49
• 6.2.2 約束機(jī)制分析49-51
• 6.2.3 算法流程51-52
• 6.3 清江流域模擬實驗52-58
• 6.3.1 清江流域梯級水庫簡介52-54
• 6.3.2 實驗測試與分析54-58
• 6.4 本章小結(jié)58-59
• 第7章 總結(jié)與展望59-60
• 7.1 全文總結(jié)59
• 7.2 研究展望59-60
• 參考文獻(xiàn)60-65
• 攻讀碩士期間發(fā)表論文和參加項目情況65-66
• 致謝66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 于宏濤;高立群;田衛(wèi)華;;求解TSP的離散人工蜂群算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2015年08期

2 袁蒙;燕

本文編號：327456