求解隨機(jī)機(jī)會(huì)約束規(guī)劃的免疫克隆混合算法及應(yīng)用.pdf

1、隨著隨機(jī)優(yōu)化理論的多應(yīng)用化、隨機(jī)規(guī)劃模型的多樣化及模型求解的復(fù)雜化，隨機(jī)理論研究及其應(yīng)用領(lǐng)域均急需尋求一套求解模型的方法。基于此本文提出一種求解隨機(jī)機(jī)會(huì)約束規(guī)劃模型的混合算法，并將其應(yīng)用于水庫(kù)優(yōu)化調(diào)度策略的求解。具體內(nèi)容如下：
　　 首先，提出一種改進(jìn)的免疫克隆選擇算法。采用雙克隆策略，引入濃度調(diào)節(jié)機(jī)制抑制種群中相似的抗體以保證種群多樣性，利用親和力向量機(jī)制保證抗體的優(yōu)良性；提出雙變異策略，引入分布估計(jì)變異算子在整個(gè)優(yōu)秀解空間內(nèi)

2、搜索全局最優(yōu)解，利用Gauss變異算子在局部范圍內(nèi)搜索最優(yōu)解，從而保證算法能快速穩(wěn)定地以較高的精度找到全局最優(yōu)解?；鶞?zhǔn)函數(shù)的測(cè)試結(jié)果表明與已有算法相比，改進(jìn)的算法的收斂速度及精度都得到了很大的改善。
　　 其次，提出一種基于文中改進(jìn)的免疫克隆選擇算法，Monte Carlo算法及神經(jīng)網(wǎng)絡(luò)的混合智能優(yōu)化算法。采用Monte Carlo算法產(chǎn)生隨機(jī)向量樣本矩陣訓(xùn)練BP網(wǎng)絡(luò)以逼近不確定函數(shù)，之后在改進(jìn)的免疫克隆選擇算法中利用Monte

3、 Carlo算法檢驗(yàn)個(gè)體的可行性、利用訓(xùn)練好的BP網(wǎng)絡(luò)計(jì)算其適應(yīng)度，從而得到優(yōu)化問(wèn)題的最優(yōu)解。仿真結(jié)果表明與已有算法相比混合智能算法在100代時(shí)己取得比較滿意的結(jié)果，且其精度在單目標(biāo)優(yōu)化問(wèn)題中提高了1.3％、在多目標(biāo)優(yōu)化問(wèn)題中首要目標(biāo)提高了65％。
　　 最后，考慮到隨機(jī)機(jī)會(huì)約束規(guī)劃模型更能精確描述水庫(kù)調(diào)度時(shí)段徑流的隨機(jī)性及策略實(shí)施的風(fēng)險(xiǎn)性。本文根據(jù)內(nèi)蒙古大河口西山灣水庫(kù)實(shí)例的環(huán)境特性及徑流特性建立水庫(kù)調(diào)度的隨機(jī)機(jī)會(huì)約束規(guī)劃模型