基于改进布谷鸟算法的梯级水库优化调度应用研究.pdf

水 利学报年月 SHUILI XUEBAO 第卷第期文章编号: 基于改进布谷鸟算法的梯级水库优化调度研究明波 1,黄强,王义民,刘登峰,白涛(西北旱区生态水利工程国家重点实验室培育基地西安理工大学水利水电学院,陕西西安710048) 摘要:梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。本文对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,将其应用于某梯级水库优化调度问题当中。实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的“早熟”现象,改进算法搜索效率更高,寻优结果更稳定。关键词:改进布谷鸟算法;莱维飞行;发现概率;梯级水库;优化调度中图分类号: 文献标识码:A 1 研究背景水库优化调度是一个强约束、非线性、多阶段的组合优化问题[1],其核心在于建立合理的优化调度模型以及选择合适的求解该模型的优化方法[2]。目前,水库优化调度传统方法主要包括:线性规划[3]、非线性规划[4]、网络流规划[5]和动态规划[6]等。这些方法或多或少存在收敛结果不稳定、算法复杂以及“维数灾”等问题[7]。一些随机搜索算法具有原理简单、易于实现、并行搜索与全局寻优能力强等优点, 被广泛应用于水库优化调度当中,如遗传算法[8-9]、粒子群算法[7,10]、蚁群算法[11,12]和差分进化算法[13] 等。布谷鸟搜索算法(Cuckoo Search,CS)是由英国学者Xin-She Yang和Suash Deb于2009年提出的一种新颖的启发式全局搜索算法[14]。该算法通过模拟布谷鸟寄生育雏的繁殖行为以及莱维飞行(Lévy flight)特征以寻求优化问题的最优解[15]。CS算法具有显著的高效性源于两个非常关键的组件:莱维飞行随机游动以及偏好随机游动,二者平衡算法的全局搜索和局部搜索[16]。由于CS算法搜索性能高效、参数少、鲁棒性强,已被广泛应用于各个领域,成为继GA和PSO之后启发式算法的一个新亮点[17-20]。近年来,为进一步提升算法的搜索性能,国内外学者对标准CS算法进行不断的改进,主要涉及到步长改进、自适应以及与其他算法混合等方面[21-25]。作为一种新颖、高效的搜索算法,CS尚未被引入到水库优化调度当中。本文对标准CS算法的寻优机制作了阐述,并针对标准CS在进化后期收敛速度慢、容易陷入局部最优解的缺陷,尝试采用动态发现概率以及引入种群变异机制对其进行改进,提出了改进的布谷鸟算法(Improved Cuckoo Search,ICS),并将其应用于某梯级水库中长期优化调度问题当中。收稿日期:2014-07-22 基金项目:国家自然科学基金(51179148,51179149,51309188);国家重大基础研究(2011CB403306);陕西省重点科技创新团队(2012KCT-10); 陕西省教育厅重点实验室项目(13JS069) 作者简介:明波(1989—),男,湖北黄冈人,硕士研究生,主要从事水资源系统分析工作。E-