标题 | 改进实数编码遗传算法在泵站优化调度中的应用研究 |
范文 | 常丽++王治国![]() ![]() 摘 要:探讨了一种改进型实数编码遗传算法在泵站运行费用最低准则下泵站优化调度中的应用。为解决简单遗传算法收敛不成熟以及收敛速度较慢的问题,针对实数编码遗传算法提出了初始种群选择规则、遗传操作后的最优个体保留策略,以及单点交叉和扰动变异概率等综合改进方法。实例应用表明,改进型实数编码遗传算法有效实现了全局优化,加速了进化效率,对泵站优化调度具有很强的实用性。 关键词:实数编码;遗传算法;泵站优化调度 DOIDOI:10.11907/rjdk.1511035 中图分类号:TP312 文献标识码:A 文章编号文章编号:16727800(2015)009007602 0 引言 泵站工程广泛应用于农田灌溉排涝、城市防洪等领域,湖北省很多泵站存在建设标准低、运行时间长、老化损毁严重等问题,其中运行效率低的问题尤为突出。目前,湖北省对多数大中型泵站进行了技术更新改造。因此,如何利用计算机强大的运算功能,优化泵站运行方式,提高泵站运行效益,是当前急需研究的课题之一。本文通过对泵站优化运行基本理论的研究,以泵站运行费用最低为目标,采用遗传算法对其进行了分析和探讨,并采用VB语言编制了目标求解程序。 1 优化调度综述 泵站优化调度是指根据运行条件的变化,人为改变水泵、管路的开启台数或运行工况,使其运行参数能适应新的工作状况需要。工况点是由水泵性能曲线H泵~Q与管路性能曲线H管~Q之交点,通过对机组运行状态的调节来改变水泵性能曲线和装置需要的扬程曲线。 机组运行状态的调节方式与系统节能密切相关,水泵能量浪费的主要原因是由于采用的调节方式不合适。节能的关键是改进调节方式。本文采用变角调节和选择运行机组、台数等两种调节方式找寻泵站优化运行的最优工作状态。 2 遗传算法运算过程 遗传算法是通过模拟自然界生物进化的过程和机制,求解优化问题的智能计算方法,该算法运算过程如下:①系统初始化:设置进化参数,随机生成初始群体;②个体评测:计算群体中的个体适应度,以优选种群;③运算选择:从母体群中选出优良度高的个体进行繁殖;④交叉和变异:将交叉变异算子作用于群体来优化种群;⑤计算终止条件设置:对进化进行判断,符合设置终止条件时,输出最优解并终止计算。 3 算法具体实现 3.1 实数编码 本文采用实数编码,即浮点数编码。初始母体群的初始取值是遗传算法中极为重要的环节,初始母体群选定合理,计算收敛的速度则很快。泵站机组的流量取值区间为一个离散点和连续区间的集合,即Qi=0或Qmin,i≤Qi≤Qmax,i。 基本遗传算法对于初始母体群的选择是在某一区间内随机选择([0,Qmax]),并用随机函数选择初始母体群。通常机组流量Qi=0被随机选中的概率很小,增加了区间(0,Qmin](其中Qmin=min(Qmin,i),i=1,2,…N)的选择概率,减慢了收敛速度。 为了优化初始母体群,本文更新了初始母体群的选择方法。先在区间[Qmin,Qmax]内选择初始母体群,如果已经选择的基因换算成流量总和达到了设计的总提水量,剩下的全部赋值为0。同时,先满足一台机组满时段运行,流量总和达到设计流量时,则让一台机组全时段或部分时段不开机(流量为0即不开机),从而使寻优搜索区间更加精简,更加容易得到最优解。 3.2 适应度函数与选择策略 给出初始母体群后进行迭代计算,对母体群中的个体优劣程度进行评测,适应度高的遗传到下一代。本文的罚函数确定方法为: 其中,m为罚因子,F为本天或时段内泵站所有机组的费用之和。把求费用最小转化成求最大的适应度值,有利于程序的编制。选择是从母体群中选出优良度大的个体进入下一轮繁殖。本文遗传算法的选择策略采用轮盘赌。先计算出母体群中所有母体的优良度,再采用模拟轮盘赌的方式来确定各个母体被选中的次数。为了提高遗传算法的收敛性,强制选择当前群体中优良度最高的母体,可不经过交叉和变异等运算,直接替换掉优良度低的母体。采用该选择策略后,收敛速度得到了很大提高。 3.3 交叉和变异 交叉运算可获得优良个体。在新的母体群中,随机选出母体进行两两配对并交叉运算。随机选择一个基因位置作为母体的交叉点,前后两个部分对换,得到两个新个体。 5 程序实现 根据上述遗传算法各步骤的实现方法,编制了相应的遗传算法程序:①初始母体群。初始母体群总数取值较小时,可以提高算法速度,但同时也会导致早熟。为了避免出现早熟或提早收敛,综合考虑取值为120;②优良度采用公式(1)和公式(2)进行计算。采用公式(2)计算母体优良度时,罚因子参数m取值较小时收敛慢,但容易获得最优解,较大时收敛快,但稳定性差,易早熟。本程序m取1.0;③初始母体的优良度计算完成后,用优良度最高的母体替换优良度最差的母体,替换概率取0.1;④对得到的母体群进行遗传交叉变异运算,产生新一代母体,交叉概率取值0.6,变异概率取值0.02;⑤计算新一代母体的优良度,若达到收敛条件,则该母体为最优解,程序中的ε取值0.001。另外,终止代数取值范围为100~1 000,本程序取值为300。 6 结语 利用实际泵站数据进行测试,改进后的实数编码遗传算法有效实现了全局优化,加速了程序进化效率,在泵站优化调度的实际应用中具备了较强的实用性和适应性。 参考文献参考文献: [ 1 ] 周育人,李元香,王勇.一种有效的实数编码遗传算法[ J ].武汉大学学报:理学版,2003,49(1):3943. [ 2 ] 杨鹏,纪晓华,史旺旺.基于遗传算法的泵站优化调度[ J ].扬州大学学报:自然科学版,2001,4(3):7274. [ 3 ] 郑生荣,赖家美,刘国亮,等.一种改进的实数编码混合遗传算法[ J ].计算机应用,2006,26(8):19591962. 责任编辑(责任编辑:黄 健) |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。