基于混合整形规划及其分解的水资源最优调度方法技术

本发明专利技术公开了一种基于混合整形规划及其分解的水资源最优调度方法，一通过分析问题的特殊结构，分解该问题，获得分解后的局部解，再利用该问题的特殊结构得到该特定问题的最优方案。本发明专利技术通过聚类划分地理模块，建立混合整形规划数学模型，开发该问题的特殊结构，并将该问题分解成独立小问题，再获得分解后的局部解，然后利用该问题的特殊结构重新组合局部解，得到该特定问题的最优方案，并证明其最优性。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，一通过分析问题的特殊结构，分解该问题，获得分解后的局部解，再利用该问题的特殊结构得到该特定问题的最优方案。本专利技术通过聚类划分地理模块，建立混合整形规划数学模型，开发该问题的特殊结构，并将该问题分解成独立小问题，再获得分解后的局部解，然后利用该问题的特殊结构重新组合局部解，得到该特定问题的最优方案，并证明其最优性。【专利说明】
本专利技术涉及地理信息水资源给水调度工程应用领域，尤其涉及一种。
技术介绍
中国干旱区面积广阔，当地因水资源短缺导致作物产量低且不稳，由于水资源受地理要素、自然资源等众多条件约束，不同区域水资源配置情况差异显著，但在整个地理空间大系统中，水资源优化配置的基础原理相同，即实现水资源利用效益最大化，包括经济效益、社会效益和生态效益，其中经济效益是确定水利工程建设的重要影响因素。在经济效益目标的考量下，应尽可能提高作物的经济产出并减少供水工程的建设费用。当在投资约束条件下，通过调节影响灌溉水资源的因素，最大化水资源经济效益，合理且经济地提高灌溉效率，并分析投资边际价值；而当不考虑投资约束时，如何最大化水资源经济效益，同时最小化供水工程投资，寻找其最大边际价值点。而水资源调度是一个多目标、多约束、多层次的大系统优化问题，数据规模大，数据维度高。目前国内外已有的大规模水资源调度方法主要分三大类:启发式方法、次优(近似)方法和分解协调方法。启发式方法主要是基于经验的一类全局搜索方法的总称，包括遗传、粒子群、模拟退火、神经网络等。当遇到NP-Hard问题或者无法在现有计算技术的条件下实现，或者无法在有限时间内遍历解空间的一种无法保证解的质量的可行方案。水资源分配问题设计变量多，规模大，一般无法直接进行配置，依赖经验的启发式方法得到了较为广泛的应用。启发式算法虽然具有快速找到解的优点，但也存在不能保证解为最优等显著缺点。首先，启发式方法虽然能够给出一种较优的水资源配置方案，但是无法评价该方案的优劣，且只能给出一种相对较好的方案。虽然现在有很多技术可以用于跳出局部解，但针对众多现实问题还是不能保证解的质量。其次，这些算法均依赖于初始解，和一些算子质量的设计，而这些技术不够成熟，没有理论提供足够的支持。最后，由于这些算法仅依据经验进行搜索，没能很好地利用特定问题的特点，去获取更快的速率和解的质量。次优(近似)方法相比启发式方法，可从理论上保证解的质量，其结果不一定是最优的，但是也在可以承受的范围内，而且可以比精确求解消耗更少的资源。近年来在解决资源分配问题上，得到了众多研究者的重视。次优(近似)方法在工程上的应用还很少，因为次优(近似)方法始终是在靠近解，其本身就是在求取次优，并且针对一个具体问题，设计一个可行的近似算法，已是不易，设计一个好的近似方案，更是难上加难，因此可以说这些方案的好坏更依赖于设计者的灵感。分解协调方法是一种面对大规模问题的分解方法，这种大而化小，化整为零的方法是解决大规模问题的一种重要手段。分解的关键在于如何保证全局最优，也就说在得到局部问题最优解的前提下，如何去组合局部最优，得到全局最优。但是在现实中局部的组合往往不是全局最优。分解协调方法确实是一种较好的手段，但是如何去组合局部最优得到原始解最优，需要问题具备某些特殊结构，并不是所有问题都能够分解，强行分解只会带来一个糟糕的方案，甚至只是一个无依据的方案。综上所述，启发式和分解协调方法无法保证所得到的调度方法的质量(即解的质量)，而次优(近似)方法是牺牲了部分解的质量的前提下，换取时间的一种妥协，虽然能够在某种程度上证明解的质量，但其始终是一种近似，无法获得最优方法。
技术实现思路
本专利技术目的是:提供一种，通过分析问题的特殊结构，分解该问题，获得分解后的局部解，再利用该问题的特殊结构得到该特定问题的最优方案。本专利技术的技术方案是:一种，其包括:输入数据模块、阈值模块、大系统协调分解算法、混合整形规划算法、子问题组合优化算法、敏感性分析算法、以及输出模块，并包括如下步骤:S1、根据输入数据模块的信息确定阈值模块中的阈值；S2、结合大系统协调分解算法将整个水资源地理空间划分成若干个灌区，同时将提供水资源的自然因素、地理因素和人工工程因素设置为变量，并设定这些因素作为灌区的地理属性；S3、将灌区划分成等大小的地块(栅格)，统一每个地块的属性要素；S4、对这些地块按照属性进行聚类，并得到灌区类型:S5、确定整形规划算法中不同栅格可能种植的作物种类和熟制，并对进行其组合约束；S6、确定水资源优化调度目标，结合优化目标设定优化算法；S7、将目标函数按各个地块分解，各自形成一个最优化子问题；S8、对每个地块进行敏感性分析，得到边际价值。在上述技术方案的基础上，进一步包括如下附属技术方案:所述步骤S4进一步包括:S4a、记每个栅格的因素为错误！未找到引用源。，其中包括自然因素，地理因素和人工工程因素；S4b、计算任何两个相邻的栅格之间的相似度，这里采用余弦相似度，SPCo s (XijX2) =<X1；X2>/ I I X1 | | | |X2| | ;S4c、给定相似阈值错误！未找到引用源。，若错误！未找到引用源。，则聚合成同一类，否则认定为不同类。本专利技术优点是:给出了一种寻找最优水资源工程建设及其调度方案的框架。通过聚类划分地理模块，建立混合整形规划数学模型，开发该问题的特殊结构，并将该问题分解成独立小问题，再获得分解后的局部解，然后利用该问题的特殊结构重新组合局部解，得到该特定问题的最优方案，并证明其最优性。【专利附图】【附图说明】下面结合附图及实施例对本专利技术作进一步描述:图1为本专利技术的各环节中因素的示意图；图2为本专利技术的流程示意图；【具体实施方式】实施例:参考图1-2所示，本专利技术提供了一种，其包括:1.根据原始数据的信息确定阈值，结合大系统协调分解算法将整个水资源地理空间划分成若干个灌区，同时将提供水资源的自然因素、地理因素和人工工程因素设置为变量，设定这些变量作为区域的地理属性。将区域划分成等大小的地块，将地块划分成500m*500m的栅格，统一每个栅格的属性要素。最后对这些栅格按照属性进行聚类，聚类保证地理区域的邻域连通性(即邻域相似性)，这样就可以得到灌区类型:a、记每个栅格的因素为错误！未找到引用源。，其中包括自然因素，地理因素和人工工程因素。b、计算任何两个相邻的栅格之间的相似度，这里采用余弦相似度，SPCO S (XpX2) = < X !, X 2 > / I I X11 I I I X21C、给定相似阈值错误！未找到引用源。，若错误！未找到引用源。，则聚合成同一类，否则认定为不同类。2.确定整形规划算 法中不同栅格可能种植的作物种类和熟制，并对进行其组合约束；确定不同工程建设类型、可灌水量和灌水费用，对每个地块工程种类约束、工程最大提水约束、工程建设条件约束、工程提水建设费用约束。上面两点选择因素约束可以用0-1变量来表示，如:【权利要求】1.一种，其特征在于其包括:输入数据模块、阈值模块、大系统协调分解算法、混合整形规划算法、子问题组合优化算法、敏感性分析算法、以及输出模块，并包括如下步骤: 51、根据输入数据模块的信息确定阈值模块中的阈值；本文档来自技高网...

【技术保护点】
一种基于混合整形规划及其分解的水资源最优调度方法，其特征在于其包括：输入数据模块、阈值模块、大系统协调分解算法、混合整形规划算法、子问题组合优化算法、敏感性分析算法、以及输出模块，并包括如下步骤：S1、根据输入数据模块的信息确定阈值模块中的阈值；S2、结合大系统协调分解算法将整个水资源地理空间划分成若干个灌区，同时将提供水资源的自然因素、地理因素和人工工程因素设置为变量，并设定这些变量作为灌区的地理属性；S3、将灌区划分成等大小的地块，统一每个地块的属性要素；S4、对这些地块按照属性进行聚类，并得到灌区类型：S5、确定整形规划算法中不同地块可能种植的作物种类和熟制，并对进行其组合约束；S6、确定水资源优化调度目标，结合优化目标设定优化算法；S7、将目标函数按各个地块分解，各自形成一个最优化子问题；S8、对每个地块进行敏感性分析，得到边际价值。

【技术特征摘要】

【专利技术属性】
技术研发人员：金晓斌，周寅康，王少尉，郭贝贝，杨前雨，
申请(专利权)人：南京大学，
类型：发明
国别省市：