一种基于图卷积神经网络和NSGA-Ⅱ算法的水库调度多目标优化方法

    公开(公告)号:CN112966805B

    公开(公告)日:2022-10-18

    申请号:CN202110275101.X

    申请日:2021-03-15

    申请人: 河海大学

    IPC分类号: G06N3/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于GCN和NSGA‑Ⅱ的水库调度多目标优化方法,包括:搜集水库防洪调度相关数据,建立防洪多目标优化模型;使用NSGA‑Ⅱ得到初代种群,通过编码操作对个体进行分组,分组后的类别作为GCN的节点,将交叉、变异操作得到的父子代关系映射为GCN节点之间的边;使用NSGA‑Ⅱ获得初步pareto前沿,对其横坐标进行分组标签化,再利用该分组标签和步骤二得到的图结构训练GCN模型;利用训练好的GCN模型对图结构的节点进行分类,再使用NSGA‑Ⅱ调节pareto前沿的均匀度;根据NSGA‑Ⅱ调节后的pareto前沿,输出水库调度多目标优化问题的非劣方案集。本发明可广泛应用在多目标水库优化调度上,快速给出满足所有目标的水库优化调度方案。

    一种基于图卷积神经网络和NSGA-Ⅱ算法的水库调度多目标优化方法

    公开(公告)号:CN112966805A

    公开(公告)日:2021-06-15

    申请号:CN202110275101.X

    申请日:2021-03-15

    申请人: 河海大学

    IPC分类号: G06N3/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于GCN和NSGA‑Ⅱ的水库调度多目标优化方法,包括:搜集水库防洪调度相关数据,建立防洪多目标优化模型;使用NSGA‑Ⅱ得到初代种群,通过编码操作对个体进行分组,分组后的类别作为GCN的节点,将交叉、变异操作得到的父子代关系映射为GCN节点之间的边;使用NSGA‑Ⅱ获得初步pareto前沿,对其横坐标进行分组标签化,再利用该分组标签和步骤二得到的图结构训练GCN模型;利用训练好的GCN模型对图结构的节点进行分类,再使用NSGA‑Ⅱ调节pareto前沿的均匀度;根据NSGA‑Ⅱ调节后的pareto前沿,输出水库调度多目标优化问题的非劣方案集。本发明可广泛应用在多目标水库优化调度上,快速给出满足所有目标的水库优化调度方案。