(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210928302.X (22)申请日 2022.08.03 (71)申请人 南昌工程学院 地址 330099 江西省南昌市高新 技术开发 区天祥大道 289号 (72)发明人 叶廷宇　王晖　张海　叶军　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 专利代理师 杨楠 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) (54)发明名称 基于双档案人工蜂群优化的梯级水库群调 度方法 (57)摘要 本发明公开了一种基于双档案人工蜂群优 化的梯级水库群调度方法， 属于水资源利用技术 领域。 本发 明基于双档案算法对 人工蜂群高维多 目标优化算法进行改进， 将非支 配解集分成收敛 性和多样性两个档案， 并分别对雇佣蜜蜂搜索策 略、 跟随密蜂搜索策略、 侦察密蜂搜索策略、 Lp− 范数距离和新解的适应度函数进行改进， 增强基 于收敛档案的全局搜索能力， 通过多样性档案的 多样性偏 搜索算子提高种群的多样性； 通过动态 概率控制的具有维数扰动的突变算子降低高维 多目标优化中求解难度。 相比现有技术， 本发明 在高维多目标优化问题上， 获得的非支配解集具 有更好的收敛性和多样性， 可有效降低算法复杂 度， 为梯级水库高维多目标优化调度提供了一条 新的路径。 权利要求书2页 说明书15页 附图3页 CN 115271483 A 2022.11.01 CN 115271483 A 1.基于双档案人工蜂群优化的梯级水库群调度方法， 其特征在于， 使用 双档案人工蜂 群优化算法对梯级水库群多目标优化调 度模型进 行求解； 所述双档案人工蜂群优化算法具 体包括以下步骤： 步骤1、 随机产生2N个蜜源， 并按照各个蜜源的适应度值进行非支配排序， 将前一半设 置为引领蜂， 并将其设置为收敛档案CA的初值,后一半为跟随蜂， 并将其设置为多样性档案 DA的初值； 其中N 为正整数； 步骤2、 雇佣蜂搜索阶段： 首先， 将CA中的解作为父代解， P(Xi)表示第i个父代解， E为子 代解集且初始的E＝φ， φ表示空集； 然后， 由式(1)产生第i个子代解E(Xi)； 然后， 计算子代 解E(Xi)的目标函数值并与父代解进行非支配比较， 若子代 解E(Xi)支配父代解P(Xi)， 则E＝ E∪E(Xi)， 否则E＝E∪P(Xi)， 当E(Xi)和P(Xi)两个解互不支配， 则随机选择一个解并入E； 最 后得到子代解集E； 其中， vi,j为雇佣蜂搜索到的新解， xc， j是从CA中随机选择的一个解， xk， j是在总体可行 解中随机 选择的解， 是一个从 ‑1到1的随机数； 步骤3、 更新CA档案： 首先， 将子代解集E中的所有解都添加CA中； 其次， 由式(2)计算Iε+ (x1,x2)的值， 由式(3)计算 F(x1)的值； 然后， 每次迭代过程中， 删除具有最小F(x1)值的解x1， 并更新其他解的适应度值， 直到 CA中解的数量达 到上限， 得到 CA'： 其中， Iε+(x1,x2)表示解x1支配解x2在目标空间所需的最小距离， fi(x1)和fi(x2)分代表 示解x1和解x2在第i个目标 的目标函数值， m是目标 的数量， ε是不定值， F(x1)表示删除解x1 后所损失的Iε+得到的函数适应度值； 步骤4、 跟 随蜂搜索阶段： 首先， 将雇佣蜂搜索得到的CA'作为跟随蜂搜索的父代种群， CA'(Xi)代表第i个父代解， O为子代解集且O＝φ； 然后， 对 CA'(Xi)中的每个 解， 由式(5)计 算 每个解的选择概率pi， 若rand(0， 1)大于pi， 则O＝O∪CA ′(Xi)； 否则， 由式(4)产生子代解O (Xi)， 计算子代O(Xi)的目标函数值与父代解进行非支 配比较， 如果子代 解O(Xi)支配父代解 CA'(Xi)， 则O＝O∪O(Xi)， 否则O＝O∪CA ′(Xi)； 当CA'(Xi)和O(Xi)两个解互不支配， 则随机选 择一个解并入O； 最后， 得到目标解 集O； 其中， vi,j为跟随蜂搜索到的新解， xd,j是从DA中随机选择的解， xr1， j和xr2,j是从总体可 行解中随机 选择的解， 是从‑1到1的随机数； 其中， Lk(Xi)表示当前蜂蜜源的适应度值； 步骤5、 侦察蜂搜索及DA更新阶段： 由跟随蜂搜索得到的解集O作为父代种群； 首先， 对 于父代解集中O中每个解Oi， 若rand(0,1)小于式(6)的动态概率突变算子a， 则侦察蜂由式权　利　要　求　书 1/2 页 2 CN 115271483 A 2(7)产生子代解集Si； 其次， 由子代解集Si和DA中的解进行合并， 合并方 法为： 由式(8)计 算子 代解集Si中的解x1与多样性档案DA中的解x2的Lp‑norm值， 删除DA中Lp‑norm值较小的解， 保 留Lp‑norm值较大的解， 直到所选解的数量达 到DA大小的上限， 最终得到DA'； 其中， α 为动态概 率突变算子， MaxIter为 最大迭代次数， Iter为当前迭代次数； 其中， vi,jr为侦察蜂产生的新解， xr1,jr、 xr2,jr和xr3,jr是在整个解集中随机选择的解， 是‑1到1的随机数； jr是控制维度扰动数的参数， 其在(0,D)之间随机取值， D为 解的维度； Lp‑norm(x1,x2)＝[(x11‑x21)p+(x12‑x22)p+…+(x1m‑x2m)p]1/p    (8) 其中， m为目标 数， p＝为1/m； 步骤6、 判断是否达到算法终止条件， 如是， 则输出最优解集DA'， 否则转至步聚2继续搜 索。权　利　要　求　书 2/2 页 3 CN 115271483 A 3