PA-DDS算法在水库多目标优化调度中的应用

Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)算法是一种求解多目标问题的随机搜索启发式算法。本文将PA-DDS算法引入考虑供水和发电的多目标优化模型优化水库调度图,与非支配排序遗传算法(Non-dominaled Sorting Genetic Algorithm Ⅱ, NSGA-Ⅱ)和多目标粒子群算法(Multi-Objec-tives Particlce Swarm Optimization,MOPSO)对比了收敛性,并在求得非劣解分布的均匀性和与理论Pareto前端的相似性方面与NSGA-Ⅱ进行比较,分析该算法求解水库多目标调度问题的优化性能,对比分析不同目标下的优化调度图。结果表明:PA-DDS算法能够得到更高质量的非劣解集,优化调度图与原设计调度图相比,能更有效协调供水和发电的矛盾,在小幅降低(0.96%)发电量的前提下显著提高(8.07%)水库供水量,平均每年增加经济效益0.55亿元