论文部分内容阅读
管网调度的目的是可靠地将水压、水量、水质均符合要求的水送往每一用户,以期最大限度地降低生产成木,取得较好的社会效益和经济效益,在保证服务质量的前提下使供水费用最低。
本文主要利用与支持向量机(SVM)相结合的遗传算法来求解供水管网的一级调度问题,即在各个水厂的历史供水量和出水压力数据的基础上,确定在今后一个调度周期中各时间段内各个水厂的最佳供水量和出水压力,使自来水厂效益最佳。在生成初始种群时,不是简单的随机生成,而是用支持向量机(SVM)对历史数据进行分类,用较优的一类历史数据作为初始种群;在约束条件的处理上,本文借鉴常规方法中的罚函数法,采用将约束条件作为罚函数包含到适应度评价中去的方法;在选择算子上,本文引入了支持向量机(SVM)的方法,增加了选择的多样性,增加算法搜索到全局最优解的概率;同时针对交叉概率和变异概率在算法的前后期不同的情况,本文引入了Srinvivas等提出的动态自适应的方法,使得交叉概率和变异概率能够随着算法中个体的质量动态改变,提高算法的效率。本文的最后给出了多种不同算法针对管网调度问题的实验结果的比较,从而论证了本文提出的改进遗传算法在性能上的提高。