双层多种群PSO在水库群供水优化调度中应用

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (5): 263-267.

双层多种群PSO在水库群供水优化调度中应用

卿逸男1，丁永生1，2，曾献辉1，2，郝矿荣1，2

1.东华大学信息科学与技术学院，上海 201620
2.数字化纺织服装技术教育部工程研究中心，上海 201620

出版日期:2013-03-01 发布日期:2013-03-14

Two-layer multi-swarm particle swarm optimal algorithm with application to optimal water supply dispatching of multi-reservoirs

QING Yinan1, DING Yongsheng1，2, ZENG Xianhui1，2, HAO Kuangrong1，2

1.College of Information Sciences and Technology, Donghua University, Shanghai 201620, China
2.Engineering Research Center of Digitized Textile & Fashion Technology, Ministry of Education, Shanghai 201620, China

Online:2013-03-01 Published:2013-03-14

摘要/Abstract

摘要： 针对水库群供水优化调度问题，提出了一种带差分进化的双层多种群粒子群算法（DE-TMPSO）。该算法实现粒子群优化算法的群体拓展和双并行运行机制，针对性地提高粒子群算法的全局搜索能力，同时采用不同粒度的多子群并行机制、种群间的双向最优信息流动以及引入差分进化策略也提高了该算法的局部搜索能力，在一定程度上避免了“早熟”现象的发生，具有较好的稳定性，收敛速度也得到了提高。该算法应用于我国南方某流域的水库群供水优化调度问题中，调度结果合理，为求解高维、复杂的水库群供水优化调度提供了新的思路和方法。

关键词: 供水优化调度, 水库群, 多种群粒子群, 差分进化

Abstract: Aiming at the problem of optimal water supply dispatching for multi-reservoirs, it presents a Two-layer Multi-swarm Particle Swarm Optimal algorithm with Differential Evolution（DE-TMPSO）. The DE-TMPSO realizes the swarm size expansion and the dual parallel-running mechanism, so it can purposefully enhance the global search ability. Meanwhile the different granularity in multi sub-swarms parallel mechanism, dual direction optimal information flow between sub-swarms and differential evolution strategy also increase the local search ability. The DE-TMPSO can avoid the premature problem and increase the stability and the convergence rate. The DE-TMPSO is applied to optimal multi-reservoir water supply dispatching of a river in the south China. Results show that the DE-TMPSO is reasonable, and it provides a new approach for multi-dimensional and complicated optimization of multi-reservoir water supply dispatching.

Key words: optimal water supply dispatching, multi-reservoir, multi-swarm Particle Swarm Optimization（PSO）, differential evolution

卿逸男1，丁永生1，2，曾献辉1，2，郝矿荣1，2. 双层多种群PSO在水库群供水优化调度中应用[J]. 计算机工程与应用, 2013, 49(5): 263-267.

QING Yinan1, DING Yongsheng1，2, ZENG Xianhui1，2, HAO Kuangrong1，2. Two-layer multi-swarm particle swarm optimal algorithm with application to optimal water supply dispatching of multi-reservoirs[J]. Computer Engineering and Applications, 2013, 49(5): 263-267.

[1]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[4]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[5]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[6]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[7]	张梦琳，江沸菠，董莉，高颖. 智能无人机轨迹与任务卸载联合优化[J]. 计算机工程与应用, 2020, 56(21): 38-46.
[8]	王浩，李俊，周蓉. 自适应合并与分裂的多种群差分进化算法[J]. 计算机工程与应用, 2020, 56(15): 162-171.
[9]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[10]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[11]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[12]	刘茜1，毛力1，杨弘2. 差分进化引导趋化算子的烟花优化算法[J]. 计算机工程与应用, 2019, 55(3): 140-146.
[13]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.
[14]	廖雄鹰1，2，李俊1，2，罗阳坤1，2，李波1，2. 基于自适应变异算子的差分进化算法[J]. 计算机工程与应用, 2018, 54(6): 128-134.
[15]	吴明胜，邓晓刚. 基于Tri-DE-ELM的半监督模式分类方法研究[J]. 计算机工程与应用, 2018, 54(3): 109-114.