基于并行云变异蛙跳算法的梯级水库优化调度研究

？本文针对混合蛙跳算法(shuffledfrogleapingalgorithm,sfla)早熟收敛的问题,将云模型算法融合于sfla算法中,形成一种云变异蛙跳算法(normalcloudmutationsfla,ncm-sfla),弥补混合蛙跳算法后期容易陷入局部最优的不足.同时利用算法易于并行的特点,在多核环境下基于.net4的并行拓展库(parallelextensions)进行算法的并行优化.将其应用于梯级水库优化调度中,实例计算表明,与多维动态规划算法(mdp)相比,ncm-sfla方法具有更好的全局寻优能力和较快的收敛速度,在现有的计算条件下该并行算法能有效缩短程序运行时间,求解梯级水库优化调度问题是合理、有效的.