专利名称：并行异步混合算法处理系统和水库(群)优化调度方法
技术领域：
本发明涉及水库调度和并行算法技术领域，特别地，涉及ー种并行异步混合算法处理系统和使用该并行异步混合算法处理系统的水库(群)优化调度方法。
背景技术：
水库优化调度研究的基本内容是，根据水库来流过程，遵照调度准则，运用优化方法，寻求能使水库发电、防洪、灌溉、供水等各部门在整个分析期内的总效益最大的调度方案。水库优化调度问题极为复杂，具有大規模、高维性、动态性、非线性等特点。自上世纪六十年代以来，国内外学者围绕水库优化调度算法开展了大量的研究工作，将线性规划(LP)、非线性规划(NLP)、动态规划(DP)和其改进算法，如逐步优化算法(POA)、逐步逼近算法(DPSA)、离散微分动态规划算法(DDDP)，以及智能优化算法，如遗传算法(GA)、粒子群算 法(PSO)、蚁群算法(ACO)、模拟退火算法(SA)等，应用于水库优化调度问题求解。关于上述算法的优劣，一直是专家学者关注讨论的焦点。一般对于水库优化调度问题来讲，判别ー个算法的优劣有四个原则ー是否快速收敛；ニ是否满足计算要求；三是否需要初始解；四是否便于应用。然而，上述算法却不能同时具备所有优点。线性规划算法能够有效克服高维问题，找到全局最优解，不需要提供初始解，理论与实际中都有广泛应用，但水库调度问题本质上属于非线性这一特点限制了其应用。非线性规划算法是解决水库调度问题的理想算法，但它收敛速度慢，同时难以克服高维问题。基本动态规划算法理论上能够得到全局最优解，但需要对水库状态进行离散，诚然离散越细越接近全局最优解，但由此将引起巨大的计算代价，另外动态规划在处理水库群问题时引起的“维数灾”使研究者望而却歩。基本动态规划的“维数灾”问题，使研究者不断对其改进，发展了逐步优化算法、逐步逼近算法、离散微分动态规划算法等算法，这类算法虽然在一定程度上回避了基本动态规划的“维数灾”问题，同时带来了只能得到局部最优解、需要提供初始解等新的问题。另外，动态规划ー类算法并行化困难，对于水库调度这类随着问题规模扩大计算量指数增长的算法来讲，并行化处理不能显著提高其计算效率。遗传算法、粒子群算法、蚁群算法属于基于种群的优化算法，其中遗传算法不依赖于问题的具体领域，具有很强的鲁棒性，直接以目标函数值作为概率搜索的基本信息，占用计算机内存少，适用于求解复杂系统的全局优化问题，但存在早熟和局部寻优能力差等缺点；粒子群算法具备遗传算法的上述优势，同时收敛速度快，但同样存在早熟和局部寻优能力差等缺点；蚁群算法在求解组合优化问题中获得较好的实验结果，蚂蚁群体的集体行为表现出的“群体智能”保证了蚁群算法的有效性和先进性，但需要对水库状态进行离散，同时易早熟。计算机物理极限速度的约束表明，只有通过并行才能够不断提高求解速度；另外，并行算法相应于串行算法在求解质量上的改进表明，并行算法必然是未来发展的趋势。并行算法在过去二十多年不断发展，例如基于种群的优化算法，如遗传算法、粒子群算法等，这类算法有四类并行模型，具体是主从式模型、粗粒度式模型、细粒度式模型三类基本模型，以及由这三类基本模型组合而成的混合式模型。然而，这些并行算法模型通常仅仅局限于ー种算法，例如在上述四类并行模型中，各个从进程都执行同一种算法的部分操作，因而这些并行算法处理本质上难以克服该算法固有的“劣根性”。
发明内容
本发明是鉴于上述问题提出的，目的在于提供ー种并行异步混合算法处理系统以及使用它的水库(群)优化调度方法，用于针对水库优化调度问题的大規模、高维性、动态性、非线性等特点，解决单个算法独立应用时所存在的求解速度慢、求解质量差以及单个算法固有“劣根性”等问题。为了实现上述目的，本发明的ー种并行异步混合算法处理系统，包括结构层和支持层，所述结构层由主控进程、多个并行的从进程和中转进程组成，所述主控进程控制程序进程，包括启动程序、終止程序、控制所述从进程的操作及顺序、控制所述中转进程的操作，所述多个并行的从进程分别执行各个不同的算法和相应的模型计算操作，同时向所述中转进程发送当前最优值，所述中转进程实现各个不同的算法的异步交換和最优值保存，将从所述从进程发送来的所述当前最优值与历史最优值进行比较，返回所述从进程比较后的最 优值，从而使各个从进程中的各个算法通过中转进程实现交互和混合。优选地，本发明的并行异步混合算法处理系统中，所述支持层包括模型库、算法库、数据库和知识库，所述模型库中存储有按模型是否线性化划分的线性模型和非线性模型；按模型的状态是否离散化划分的离散模型和连续模型；按模型的计算时段划分的中长期调度模型、短期调度模型、实时调度模型；按模型的目标函数划分的发电量最大模型、发电效益最大模型、保证出力最大模型、弃水流量最小模型等模型，所述算法库中存储有线性规划算法(LP)、非线性规划算法(NLP)、动态规划算法(DP)和其改进算法，如逐步优化算法(POA)、逐步逼近算法(DPSA)、离散微分动态规划法(DDDP)，以及智能优化算法，如遗传算法(GA)、粒子群算法(PSO)、蚁群算法(ACO)、模拟退火算法(SA)等算法，所述数据库中存储有水位数据、流量数据、出力数据、机组数据、约束条件数据等，所述知识库中存储有历史水库运行情况数据、基于历史水库运行情况的挖掘数据、优化运行数据、模拟运行数据等数据，所述知识库在优化计算时，可以为算法提供初始解。优选地，本发明的并行异步混合算法处理系统中，并不仅仅局限于ー个从进程执行一个串行算法操作，通过从进程推广为从进程组，每个从进程组执行ー个并行算法，从进程组间通过所述中转进程实现交互。为了实现上述目的，本发明的一种水库(群)优化调度方法，其特征在于，使用上述的并行异步混合算法处理系统，达到提高求解质量和求解速度的目的，进而获得满意的水库调度运行方案。本发明具有以下的技术效果其一，本发明的并行异步混合算法处理系统具有ニ层结构，即结构层和支持层，层次分明，易于结构化和模块化。同时具有三种特征，即并行性、异步性和混合性，同时也是三个优势，能够独立执行算法、交互信息、避免通信等待。其ニ，本发明的并行异步混合算法处理系统和使用该系统的水库(群)优化调度方法，针对水库优化调度问题的大規模、高维性、动态性、非线性等特点，是并行计算机高速发展以及各算法独立应用遇到瓶颈这ー背景下的趋势，是ー种能够解决水库优化调度问题的通用处理系统和方法，同时也是ー种克服当前各算法独立应用困难的有效处理系统和方法。其三，本发明的并行异步混合算法处理系统不仅仅局限于ー种算法，而是综合各算法的优势，因而能够克服单个算法的“劣根性”，通过对特定问题算法处理的设计可以达到使用者期望的效果。其四，本发明的并行异步混合算法处理系统并不仅仅局限于单ー从进程执行ー个串行算法的操作，通过从进程推广为从进程组，每个从进程组可以执行ー个并行算法。
图I是表示本发明的并行异步混合算法处理系统的结构示意图。图2是表示本发明的进行并行异步混合算法处理的流程图。图3是表示本发明在不需要初始解和需要初始解的适用ー个从进程的情况下的示意图。图4是表示本发明在不需要初始解和需要初始解的适用ニ个从进程的情况下的示意图。图5是表示本发明的将从进程推广为从进程组的情况的示意图。
具体实施例方式首先说明为了达到处理系统的通用性，需要对当前水库优化调度的各种算法特征进行归纳，根据算法是否需要初始解以及是否需要迭代计算总结各个算法的特征如下(见表I)。当然，本发明的处理系统并不局限于仅仅使用表中所列出的各种算法。表I算法特征
_
权利要求
1.一种并行异步混合算法处理系统，其特征在于，包括结构层和支持层， 所述结构层由主控进程、多个并行的从进程和中转进程组成， 所述主控进程控制程序进程，包括启动程序、终止程序、控制所述从进程的操作及顺序、控制所述中转进程的操作， 所述多个并行的从进程分别执行各个不同的算法和相应的模型计算操作，同时向所述中转进程发送当前最优值， 所述中转进程实现各个不同的算法的异步交换和最优值保存，将从所述从进程发送来的所述当前最优值与历史最优值进行比较，返回所述从进程比较后的最优值，从而使各个从进程中的各个算法通过中转进程实现交互和混合。
2.根据权利要求I的并行异步混合算法处理系统，其特征在于，所述支持层包括模型库、算法库、数据库和知识库， 所述模型库中存储有按模型是否线性化划分的线性模型和非线性模型；按模型的状态是否离散化划分的离散模型和连续模型；按模型的计算时段划分的中长期调度模型、短期调度模型、实时调度模型；按模型的目标函数划分的发电量最大模型、发电效益最大模型、保证出力最大模型、弃水流量最小模型等模型， 所述算法库中存储有线性规划算法(LP)、非线性规划算法(NLP)、动态规划算法(DP)和其改进算法，如逐步优化算法(POA)、逐步逼近算法(DPSA)、离散微分动态规划法(DDDP)，以及智能优化算法，如遗传算法(GA)、粒子群算法(PSO)、蚁群算法(ACO)、模拟退火算法(SA)等算法， 所述数据库中存储有水位数据、流量数据、出力数据、机组数据、约束条件数据等数据， 所述知识库中存储有历史水库运行情况数据、基于历史水库运行情况的挖掘数据、优化运行数据、模拟运行数据等， 所述知识库在优化计算时，可以为算法提供初始解。
3.根据权利要求I或2的并行异步混合算法处理系统，其特征在于，所述的并行异步混合算法处理系统并不仅仅局限于一个从进程执行一个串行算法操作，通过从进程推广为从进程组，每个从进程组执行一个并行算法，从进程组间通过所述中转进程实现交互。
4.一种水库(群)优化调度方法，其特征在于，使用权利要求I到3的任何一项所述的并行异步混合算法处理系统，达到提高求解质量和求解速度的目的，进而获得满意的水库调度运行方案。
全文摘要
本发明的用于水库优化调度的并行异步混合算法处理系统包括结构层和支持层，具有并行性、异步性和混合性的特征，基于并行操作环境，通过利用并行计算机的并行性能及各个算法的特性，综合各个算法的优势，针对水库优化调度中具有的大规模、高维性、动态性、非线性等特点，达到提高求解质量和求解速度的目的，进而获得满意的水库调度运行方案。
文档编号G06Q50/06GK102651115SQ20121008663
公开日2012年8月29日 申请日期2012年3月29日 优先权日2012年3月29日
发明者李想, 魏加华 申请人:清华大学