沙金霞

• 1:河北工程大学地球科学与工程学院

摘要(Abstract)：

为了使鲸鱼优化算法(WOA)能更好地解决复杂多目标水资源优化配置问题,首先采用Logistic映射进行种群位置初始化,提高初始化种群位置的质量,并加入惯性权重增强局部搜索能力,从而实现对WOA的改进;其次,将改进后的鲸鱼算法(AWOA)应用于以经济效益和社会效益最大(缺水量最小)为目标的邯郸市水资源优化配置模型;最后,以求解所得Pareto前沿中缺水量最小为特殊偏好,将AWOA与WOA和粒子群算法(PSO)从迭代过程和求解结果上进行了对比分析。从迭代过程来看,AWOA比PSO和WOA能够以较快的速度收敛,WOA收敛速度最慢;从求解结果分析,由AWOA所得经济效益和社会效益均优于由WOA和PSO所得结果。因此,AWOA在收敛速度和收敛精度上均得到了较大幅度的提升,其应用于多目标水资源优化配置求解是可行和有效的。

关键词(KeyWords)： 水资源;优化配置;改进鲸鱼算法;缺水量最小

Abstract:

Keywords:

基金项目(Foundation): 河北省科技计划项目(15227005D);; 河北省教育厅科学研究计划项目(QN2016233,ZD2016131)

作者(Author): 沙金霞

DOI: 10.13928/j.cnki.wrahe.2018.04.003

参考文献(References)：

• [1]吴玉柏.国外地表水和地下水联合运用优化方法的研究[J].灌溉排水,1987(9):41-45.
• [2]JOERES E F,LIEBMAN J C.Operating rules for joint operation of raw water resources[J].Water resources research,1971,7(2):225-235.
• [3]DUDLEY N J,BURT O R.Stochastic reservoir management and system design for irrigation[J].Water resources research,1973,9(3):507-522.
• [4]MULVIHILL W E,DRACUP J A.Optimal timing and sizing of a conjunctive urban water supply and waste water system with nonlinear programing[J].Water resources research,1974,10(2):170-175.
• [5]MEREDITH,D D.Design and planning of engineering systems[J].Molecules,1973,9(8):705-712.
• [6]KENNEDY J,EBERHART R.Particle swarm optimization[C]//IEEE.Proceedings of the 1995 IEEE international conference on neural networks.Perth,WA,Australia:IEEE,1995:1942-1948.
• [7]DORIGO M,BIRATTARI M,STUTZLE T.Ant colony optimization[J].Computational intelligence magazine,2007,1(4):28-39.
• [8]李晓磊,邵之江,钱积新.一种基于动物自治体的寻优模式:鱼群算法[J].系统工程理论与实践,2002,22(11):32-38.
• [9]YANG X S.Firefly algorithm,stochastic test functions and design optimization[J].International journal of bio-inspired computation,2010,2(2):78-84.
• [10]PAN W T.A new fruit fly optimization algorithm:taking the financial distress model as an example[J].Knowledge-based systems,2012,26(2):69-74.
• [11]MARTIN R,STEPHEN W.Termite:A swarm intelligent routing algorithm for mobile wireless Ad-Hoc networks[M].New York:Stigmergic optimization,2005.
• [12]PINTO P C,RUNKLER T A,SOUSA J M C.Wasp swarm algorithm for dynamic MAX-SAT problems[C]//BELICZYNSKI B,DZIELINSKI A,LWANOWSKIM,et al.International conference on adaptive and natural computing algorithms.Berlin:Springer-Verlag,2007:350-357.
• [13]吴泽宁.基于生态经济的区域水质水量统一优化配置研究[D].南京:河海大学,2004.
• [14]沙金霞,刘彬,谢新民,等.基于粒子群算法的水资源优化配置研究[J].水电能源科学,2012,30(9):33-35,69.
• [15]闫志宏,刘彬,张婷,等.基于多目标粒子群算法的水资源优化配置研究[J].水电能源科学,2014,32(2):35-37,45.
• [16]伍爱华.多目标蚁群遗传算法在区域水资源优化配置中的应用研究[J].电脑知识与技术(学术交流),2007,3(23):1392-1393,1398.
• [17]解建仓,王文博,张琛,等.动态水权效益模型及其蚁群算法求解[J].水利学报,2012,43(6):659-666.
• [18]史长莹.流域水资源可持续利用评价方法及其应用研究[D].西安:西安理工大学,2009.
• [19]张展羽,司涵,冯宝平,等.缺水灌区农业水土资源优化配置模型[J].水利学报,2014,45(4):403-409.
• [20]张凯,沈洁.基于萤火虫算法和熵权法的水资源优化配置[J].水资源保护,2016,32(3):50-53,63.
• [21]MIRJALILI S,LEWIS A.The whale optimization algorithm[J].Advances in engineering software,2016,95:51-67.
• [22]鞠海华.基于NSGA-Ⅱ算法的作业车间调度研究[D].济南:山东大学,2008.
• [23]崔庆勇.基于改进NSGA-Ⅱ算法的多目标FJSP研究[D].昆明:昆明理工大学,2015.
• [24]SRINIVAS N,DEB K.Multi-objective optimization using nondominated sorting in genetic algorithms[J].Evolutionary computation,1994,2(3):221-248.
• [25]雷霄.基于多目标规划的杨凌示范区水资源优化配置[J].水资源与水工程学报,2009,20(4):96-100,103.
• [26]侯景伟,孔云峰,孙九林.基于多目标鱼群—蚁群算法的水资源优化配置[J].资源科学,2011,33(12):2255-2261.
• [27]曾发琛.西安市水资源供需平衡分析及优化配置研究[D].西安:长安大学,2008.