基于NSGA2的水库多目标优化

被引：23

作者：

贠汝安 ^{[1
,2
]}

董增川 ^{[1
]}

王好芳 ^{[2
]}

机构：

[1] 河海大学水文水资源与水利工程科学国家重点实验室

[2] 山东大学土建与水利学院

来源：

山东大学学报(工学版) | 2010年 / 40卷 / 06期

关键词：

水库; 多目标; 优化调度; NSGA2; Pareto前端;

D O I：

暂无

中图分类号：

TV697.11 [];

学科分类号：

摘要：

讨论了非支配排序遗传算法(non-dominated sorting gentic algorithmⅡ,NSGA2)及其参数确定问题,利用NS-GA2对两目标水库优化调度问题进行求解,求出了问题的Pareto前端,比较了参数不同取值的优化结果。实例分析结果表明:NSGA2中遗传操作参数(包括锦标赛选择参数、模拟二进制交叉分布参数、多项式变异分布参数)对优化结果影响很小,算法具有鲁棒性,对大部分水库多目标优化问题可采用推荐值;当NSGA2种群规模和进化代数两个参数足够大时,即可得到足够多且分布均匀的Pareto前端,算法具有简便性;利用NSGA2求解水库多目标优化问题,可得到足够多且分布均匀的Pareto前端,随着种群规模和进化代数的调整,Pareto前端逐步改进,算法稳定性好,适合求解水库多目标优化调度问题。

引用

页码：124 / 128

页数：5

共 7 条

[1]

Survey on mul-tiobjective evolutionary and real coded genetic algorithms. RAGHUWANSHI M M,KAKDE O G. Journal of Complexity International . 2005

[2] 多目标进化算法研究进展 [J].

郑向伟 ;

刘弘 .

计算机科学, 2007, (07) :187-192

[3] 基于Pareto强度进化算法的供水库群多目标优化调度 [J].

丁胜祥 ;

董增川 ;

王德智 ;

李庆航 .

水科学进展, 2008, (05) :679-684

[4]

多目标智能优化算法及其应用[M]. 科学出版社 , 雷德明, 2009

[5]

Simulated binary crossover for continuous search space. Deb K,Agrawal R B. Complex Systems . 1995

[6]

A fast and elitist multi-objective genetic algorithm:NSGA-Ⅱ. Kalyanmoy Deb,Amrit Pratap,Sameer Agarwal,et al. IEEE Transactions on Evolutionary Computation . 2002

[7]

Multiple objective optimization with vector evaluated genetic algorithms. Schaffer JD. Proceedings of the First International Conference on Genetic Algorithms and Their Applications . 1985

← 1 →