动态规划-粒子群算法在水库优化调度中的应用

计算机应用 ›› 2010, Vol. 30 ›› Issue (06): 1550-1551.

动态规划-粒子群算法在水库优化调度中的应用

李顺新¹,杜辉²

1. 武汉科技大学
2. 武汉科技大学计算机科学与技术学院

收稿日期:2009-12-24 修回日期:2010-02-22 发布日期:2010-06-01 出版日期:2010-06-01
通讯作者: 杜辉

Optimal operation of reservoir based on dynamic programming and particle swarm optimization

Received:2009-12-24 Revised:2010-02-22 Online:2010-06-01 Published:2010-06-01
Contact: Du Hui

摘要/Abstract

摘要： 水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。针对这些问题,利用动态规划-粒子群(DP-PSO)算法加以求解。利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划-遗传算法(DP-GA)少。

关键词: 水库调度, 粒子群算法, 动态规划, 动态规划-粒子群算法

Abstract: Reservoir optimal scheduling is a typical multi-constrained, dynamic, non-linear optimization problem. To solve this problem, a Dynamic Programming-Particle Swarm Optimization (DP-PSO) algorithm was used to solving. This algorithm used the optimal Dynamic Programming (DP) principle to convert the reservoir optimal scheduling problem to multistage decision-making sub-problems; the solution of each sub-problem was got by particle swarm optimization algorithm. The numerical experiments show that with more time in calculation, the reliability of the DP-PSO is superior to the general DP algorithm, and the calculation time of DP-PSO is less than DP-Genetic Algorithm (DP-GA).

Key words: Reservoir Operation, particle swarm optimization algorithm, dynamic programming, dynamic programming-particle swarm optimization algorithm

李顺新杜辉. 动态规划-粒子群算法在水库优化调度中的应用[J]. 计算机应用, 2010, 30(06): 1550-1551.

[1]	姜琨, 刘征, 朱磊, 李晓星. 基于有向无环图的倒排链等字长划分压缩算法[J]. 计算机应用, 2021, 41(3): 727-732.
[2]	効琦, 尹增山, 高爽. 基于检测与跟踪相互迭代的极暗弱目标搜索算法[J]. 计算机应用, 2021, 41(10): 3017-3024.
[3]	曾志阳, 陈燕, 王珂. 圆片下料并行遗传算法的设计与实现[J]. 计算机应用, 2020, 40(2): 392-397.
[4]	李昆明, 王超迁, 倪巍伟, 鲍晓涵. 基于差分隐私的高精度直方图发布方法[J]. 计算机应用, 2020, 40(11): 3242-3248.
[5]	史文旭, 杨洋, 鲍胜利. 贪心核加速动态规划算法求解折扣{0-1}背包问题[J]. 计算机应用, 2019, 39(7): 1912-1917.
[6]	杨世强, 罗晓宇, 乔丹, 柳培蕾, 李德信. 基于滑动窗口和动态规划的连续动作分割与识别[J]. 计算机应用, 2019, 39(2): 348-353.
[7]	武旭晨, 朴春慧, 蒋学红. 基于GPU并行计算的电动出租车新建充电站选址模型[J]. 计算机应用, 2019, 39(10): 3071-3078.
[8]	王庆荣, 王瑞峰. 基于改进粒子群算法的配电网重构策略[J]. 计算机应用, 2018, 38(9): 2720-2724.
[9]	刘莉, 詹恩奇, 郑建彬, 汪阳. 基于曲线分段相似匹配的在线签名认证[J]. 计算机应用, 2018, 38(4): 1046-1050.
[10]	刘院英, 郭景峰, 魏立东, 胡心专. 成本控制下的快速影响最大化算法[J]. 计算机应用, 2017, 37(2): 367-372.
[11]	谢红侠, 马晓伟, 陈晓晓, 邢强. 基于多种群的改进粒子群算法多模态优化[J]. 计算机应用, 2016, 36(9): 2516-2520.
[12]	韩雪, 程奇峰, 赵婷婷, 张利民. 基于粒子滤波重采样与变异操作的改进粒子群算法[J]. 计算机应用, 2016, 36(4): 1008-1014.
[13]	汤海建, 鲍宇, 闵玄, 罗煜璇, 邹宇驰. 无线传感器网络中载体的自主移动策略[J]. 计算机应用, 2016, 36(2): 478-482.
[14]	何莉, 刘晓东, 李松阳, 张倩. 多核环境下并行粒子群算法[J]. 计算机应用, 2015, 35(9): 2482-2485.
[15]	闫华, 高黎, 刘国勇, 王红旗. 基于多时间窗的油料保障模型[J]. 计算机应用, 2015, 35(7): 2096-2100.