[发明专利]一种基于多种群协作粒子群算法的水库群调度方法和系统

权利要求书

1.一种基于多种群协作粒子群算法的水库群调度方法，其特征在于，包括：

S1.建立水库群调度模型并确定其约束条件；

S2.多种群粒子群协作的粒子群初始化：水库群调度模型中决策变量作为算法的粒子，随机生成n个规模为N的初始种群，种群中个体初始值设定为满足已构建的水库群调度模型约束条件允许区间内的随机值，并按顺序对各个种群赋予从大到小不同的惯性权重，即ω_i-1＞ω_i；ω_i表示第i个种群的惯性权重，i＝1,...,n；

S3.适应值计算：计算每个种群的粒子适应值，得到每个粒子自身的历史适应值最优位置和每个种群的适应值最优位置；

S4.粒子速度更新：

若前一个种群最优位置对应的适应值优于后一个种群，且两个种群最优位置间的矢量角度小于90°，则前后种群协作更新粒子速度；

若前一个种群最优位置对应的适应值优于后一个种群，且两个种群最优位置间的矢量角度大于或等于90°，则对种群进行分化，分别更新粒子速度；

若前一个种群最优位置对应的适应值不优于后一个种群，则按本种群当前状态更新粒子速度；

S5.根据当前粒子速度更新粒子位置；

S6.所有种群的粒子迭代执行步骤S3-S5直至达到设定次数，求解得出水库群调度模型的决策变量值。

2.根据权利要求1所述的一种基于多种群协作粒子群算法的水库群调度方法，其特征在于，步骤S2中每个种群的惯性权重由得到；式中，n为种群数量，ω_max和ω_min为惯性权重的最大值和最小值。

3.根据权利要求1或2所述的一种基于多种群协作粒子群算法的水库群调度方法，其特征在于，步骤S4具体包括：

01.若前一个种群最优位置对应的适应值优于后一个种群，且时，则粒子的速度更新公式为：

其中，v_ij为第i个种群第j个粒子的速度；c₁和c₂是学习因子；rand()是介于(0，1)之间的随机数；x_ij是当前粒子的位置；gbest_i-1，pbest_ij，gbest_i分别为第i-1个种群的种群最优值的位置和第i个种群的个体最优值位置及种群最优值位置；为两个种群最优值位置间的矢量夹角的余弦值；fitness_i为第i个种群gbest点的适应值；

02.若前一个种群最优位置对应的适应值优于后一个种群，且φ＜0时，则根据吸引因子将第i个种群被分为i1和i2两个种群；所述吸引因子表示不同空间位置的最优值对当前粒子群的吸引程度；

i1种群粒子的速度更新公式为：

v_ij＝ω_i×v_ij+c₁×rand()×(pbest_ij-x_ij)+c₂×rand()×(gbest_i-x_ij)

i2种群粒子的速度更新公式为：

v_ij＝ω_i×v_ij+c₁×rand()×(pbest_ij-x_ij)+c₂×rand()×(gbest_i-1-x_ij)

03.若惯性权重大的种群最优位置对应的适应值并不优于惯性权重小的种群，则按照i2种群粒子的速度更新公式对粒子速度进行更新。

4.根据权利要求3所述的一种基于多种群协作粒子群算法的水库群调度方法，其特征在于，所述根据吸引因子将第i个种群被分为i1和i2两个种群，具体为，若以适应值大为优，则将前N·η个粒子作为i1种群，将后N-N·η个粒子作为i2种群；若以适应值小为优，则i1，i2的数量互换；η为吸引因子；

其中，为第i个种群的种群最优位置对应的适应值。