基于改进强化学习算法的水库群多目标优化调度

摘要

针对非支配排序遗传算法（non-dominated sorting genetic algorithmⅡ，NSGA-Ⅱ）易陷入局部最优和参数设置灵活性不足的问题，提出一种基于堆叠学习驱动的种群初始化机制，并结合自适应权重调整与遗传操作的联合优化策略，形成改进强化学习（stacking and Q-learning multi-objective genetic algorithm,SQMOGA）的求解算法。以东江流域三大水库为案例，构建考虑发电-生态保护-供水协同的水库多目标优化调度模型，并进行实验验证。结果表明：相较于NSGA-Ⅱ算法，SQMOGA算法在生态指标、供水保障和发电效益方面分别提升13.71%、67.63%和3.05%，显著提高了多目标水库群的综合调度效益。同时，SQMOGA算法在稳定性和优化调度空间方面均表现优异，展现出较高的解集质量和收敛精度，说明改进后的算法结果更为优越和稳定，具备良好的可靠性和鲁棒性。该算法为水库群多目标优化调度提供普适性强且科学有效的解决方案，展现出潜在的应用价值。

关键词

强化学习 / SQMOGA / 水库群调度 / 多目标优化 / 东江流域