面向高维多目标水资源优化配置的进化算法研究

The optimal allocation of water resources is a complex many-objective optimization problem, but most present researches only construct it as an ordinary multi-objective optimization problem to simplify the model to be solved. The ways to solve this problem are usually weighting method, ideal point method, multi-objective programming, and traditional multi-objective evolutionary algorithms. In order to optimize the allocation of water resources more accurately, this project not only considers three optimization objectives, the benefit of social, economic, and ecological environment at the same time, but also the water demand of industry, agriculture, life, ecology, and other departments. Finally, a model based on many-objective optimal allocation of water resource is established.. Traditional multi-objective evolutionary algorithms have some difficulties in solving many-objective optimization problems, and this project aims to improve them from the following three aspects: 1) improve the original Pareto dominance to strengthen selection pressure and enhance the performance of convergence; 2) incorporate with decision-makers' preferences during the evolutionary process to obtain a Pareto solution set which satisfies their preferences; and 3) use indicator values to guide the search process of algorithms.. The research of this project will provide new ideas and theoretical basis for more complex optimization allocation of water resources in the future.

水资源优化配置是一个复杂的高维多目标优化问题，而目前大部分研究为了简化模型求解，只是将其构造为一个普通的多目标优化问题，求解方法通常为加权法、理想点法、多目标规划法和传统的多目标进化算法。为了更准确地进行水资源优化配置，本项目在考虑社会、经济和生态环境效益3个优化目标的同时，还兼顾工业、农业、生活以及生态等各部门的用水需求，建立高维多目标水资源优化配置模型。..传统的多目标进化算法在求解高维多目标优化问题时存在一定的困难，本项目拟从3个方面对其改进：1) 对原有的Pareto支配方法进行改进，以增强选择压力，提高收敛性能；2) 通过在进化过程中融入决策者的偏好，以得到符合决策者偏好的Pareto解集；3) 利用指标值来引导算法的搜索。另外，通过分析高维多目标水资源优化配置模型的特征，构造适合于求解该问题的有效算法。..本项目的研究为进行更复杂的水资源优化配置提供了新思路和理论依据。

水资源优化配置是一个复杂的高维多目标优化问题，目前大部分研究为了简化模型求解，只是将其构造为一个普通的多目标优化问题。为了更准确地进行水资源优化配置，本项目在考虑社会、经济和生态环境效益3 个优化目标的同时，还兼顾工业、农业、生活以及生态等各部门的用水需求，建立高维多目标水资源优化配置模型。对于高维多目标优化问题，传统的多目标进化算法在求解时存在一定的困难。针对以上问题，本项目的主要研究内容包括：1）通过分析区域内用水特征，构造了线性、指数和混合预测模型。通过引入新的策略，提升进化算法的寻优能力，并将其应用于优化预测模型的权值因子，最好预测精度达到97.91%；2）通过分析区域内工业、农业、生活以及生态等各部门的用水需求，将传统的社会效益目标进行分解，构造了一种高维多目标水资源优化配置模型；3）提出了几种改进的高维多目标进化算法，实验结果显示我们提出的方法优于一些知名的高维多目标进化算法；4）应用改进的高维多目标进化算法求解高维多目标水资源优化配置问题；5）提出了基于决策偏好的人工蜂群算法，针对不同的水资源配置决策偏好，使用归一化和加权法将4个优化目标综合为一个目标来求解，以得到满足决策偏好的最优解。在项目执行过程中，已发表标注本项目基金号的学术论文25篇，其中SCI期刊论文11篇（SCI一区4篇），EI期刊论文6篇（中文一级学报2篇），中文核心期刊论文1篇，国际会议论文6篇，中文普通期刊论文1篇，以第一完成人获得江西省自然科学奖二等奖。培养硕士研究生7人（3人已毕业），中青年教师2人。项目的研究成果正受到同行研究者的跟踪和认可，为进化计算和群智能应用于求解复杂优化问题提供了重要的参考。