[发明专利]一种基于双层粒子群算法的渠系配水优化方法

摘要

一种基于双层粒子群算法的渠系配水优化方法，本发明涉及基于双层粒子群算法的渠系配水优化方法。本发明的目的是为了解决现有下级渠系流量不等时的渠系优化配水模型中遗传算法设计复杂，当涉及到大量个体的时候，需要较长的计算时间；遗传算法在解群规模、选择方式、收敛数据、杂交变异方式等控制参数均需经验确定，有可能出现早熟收敛、使得它不一定总是获得全局最优解；需要多次运算，不能稳定的得到解的问题。随机产生Xi、Vi、Yj和Vj；求解底层、顶层初始全局最优位置粒子；进行初始解粒子的速度与位置的更新；判断是否满足约束条件；求解全局最优解；得到了双层粒子群优化算法的的最优解。本发明用于渠系配水领域。

主权项

一种基于双层粒子群算法的渠系配水优化方法，其特征在于该方法具体过程为：步骤一、初始化Bi‑PSO算法的参数，随机产生满足底层约束条件的初始解粒子的位置Xi和速度Vi的模型，满足顶层约束条件的初始解粒子的位置Yj和速度Vj的模型；具体过程为：Bi‑PSO算法为双层粒子群算法；双层粒子群算法由2层结构组成，分别称为顶层和底层，顶层为渠系层，底层为流量层；Bi‑PSO算法的参数包括渠系层粒子规模M1、流量层粒子规模M2、渠系层粒子速度范围[‑R1,R1]、流量层粒子速度范围[‑R2,R2]、渠系层的斗口个数N、迭代次数N1、学习因子C1和学习因子C2；所述M1、M2、N、N1为正整数；R1、R2为实数；C1、C2为非负数；底层流量层约束条件为：任一下级渠道的实配水流量应在其设计流量的0.6～1.0倍；下级渠道的设计流量和下级渠道的实配水流量分别为qj、qj*0.6qj≤qj*≤1.0qj (1)流量层每个粒子的每一维度都应满足此约束条件；顶层渠系层的约束条件为：顶层粒子的每一维度的范围为1～N，且不能重复，N为正整数代表斗口个数；顶层＝下级渠道的斗渠编号；底层＝下级渠道的斗渠配水流量；步骤二、计算F(Xi,Yj)的初始目标适应度函数值，作为初始粒子的第一次迭代，个体最优位置即为粒子本身，比较粒子的适应度值，将最优适应度值对应每一层的粒子分别作为底层、顶层初始全局最优位置粒子；步骤三、采用底层和顶层交互迭代，同步优化的方法，进行初始解粒子的速度与位置的更新；步骤四、判断更新后底层和顶层两层粒子是否满足约束条件，如不满足对其进行修复，如满足，则执行步骤五；步骤五、计算更新后每组粒子的适应度值，与步骤二中的个体最优位置和每一层全局最优位置粒子的适应度值相比，如果更新后每组粒子的适应度值大于步骤二中的每一层全局最优位置粒子的适应度值，则用更新后的每组粒子对应替换步骤二中的每一层内的全局最优粒子的位置和其个体最优位置，若更新后每组粒子的适应度值只大于步骤二中的个体最优适应度值，则用更新后的每组粒子只对应替换步骤二中的其个体最优位置，若每组粒子其适应度值不大于其个体最优适应度值，则不进行替换，将更新后的每组粒子作为全局最优解，执行步骤六；每一组粒子包括一个Xi和一个Yj；步骤六、判断找到的全局最优解是否达到收敛条件或最大迭代次数，如果达到收敛条件或最大迭代次数，则已得到了双层粒子群优化算法的的最优解，输出结果，如果没达到收敛条件或最大迭代次数，则转到步骤三；所述收敛条件为：前后两次适应度值差小于10‑4；输出的结果为:下级渠道轮灌组的划分和下级渠道的实际流量。