發(fā)布時間：2019-08-08 06:12

【摘要】：為了充分利用現(xiàn)今普及的多核配置計算機,提高大規(guī)模梯級水庫群優(yōu)化調(diào)度問題的求解效率,提出了梯級水庫群優(yōu)化調(diào)度的粗粒度并行自適應混合粒子群算法。該方法以自適應混合粒子群算法為求解基礎,采用粗粒度并行設計模式,利用Fork/Join多核并行框架的分治策略,將其初始種群遞歸劃分為多個子種群,平均分配到不同的內(nèi)核邏輯線程中實現(xiàn)并行計算,并在各子種群優(yōu)化結(jié)束后,合并優(yōu)化結(jié)果集從而輸出全局最優(yōu)解。以瀾滄江下游梯級水庫群發(fā)電優(yōu)化調(diào)度為例,利用該方法進行計算。結(jié)果表明,該方法能充分發(fā)揮多核配置的計算性能,在4核環(huán)境下最大加速比達到3.97,縮短計算耗時1 787.2 s,計算效率顯著提高,為我國不斷擴張的大規(guī)模梯級水庫群優(yōu)化調(diào)度提供了一種切實可行的高效求解途徑。
【圖文】：

第7期王森等粗粒度并行自適應混合粒子群算法及其在梯級水庫群優(yōu)化調(diào)度中的應用圖1“分治法”策略框架圖Fig．1Framediagramofdivide-and-conquerstrategy(3)在“分治法”策略劃分子任務的過程中，子任務的最大規(guī)模由設定的閾值進行控制，即當子任務規(guī)�！荛撝禃r，“分治法”停止運行，子任務開始在子線程中執(zhí)行。圖2為閾值控制框架圖。該閾值的實質(zhì)是子任務規(guī)模的上限，若閾值過小，劃分子任務數(shù)越多，造成更大的管理消耗;若閾值過大，劃分子任務數(shù)越少，不利于子線程的充分利用。因此，在需保證多核資源充分利用的前提下，可設置閾值大小使分解的子任務數(shù)等于邏輯線程數(shù)，則閾值的計算公式為β=「αw?。(9)式中:符號「?表示取上整數(shù);β，α，w分別為閾值、父任務計算規(guī)模、CPU的邏輯線程數(shù)。其中，具有“超線程”技術的硬件配置每個核心可以開啟2個邏輯線程。圖2閾值控制框架圖Fig．2Framediagramofthresholdcontrolling(4)設計了“工作竊缺算法，即當某個線程處于閑置狀態(tài)時，可從其他線程中“竊缺任務執(zhí)行，減少線程閑置時間。3．3PAHPSO并行方法設計AHPSO方法的初始種群由不同的個體粒子組成，粒子的個數(shù)即為種群的計算規(guī)模。由于每個粒子代表解空間的一個候選解，采用劃分初始種群為多個規(guī)模更小子種群的粗粒度并行設計，并不影響每個粒子在其子種群中的搜索尋優(yōu)。因此，子種群之間的優(yōu)化搜索是相互獨立的，具有天然的并行性。圖3為PAHPSO方法并行設計框架示意圖。圖3PAHPSO方法并行設計框架示意圖Fig．3SchematicdiagramofparallelismdesignframeworkforPAHPSO其并行步驟主要為:(1)劃分子種群。從主線程中獲取初始種群的計算規(guī)模作為父任務規(guī)模，采用Fork/Join閾值計算公式(式(9))將父任?

第7期王森等粗粒度并行自適應混合粒子群算法及其在梯級水庫群優(yōu)化調(diào)度中的應用圖1“分治法”策略框架圖Fig．1Framediagramofdivide-and-conquerstrategy(3)在“分治法”策略劃分子任務的過程中，子任務的最大規(guī)模由設定的閾值進行控制，即當子任務規(guī)�！荛撝禃r，“分治法”停止運行，，子任務開始在子線程中執(zhí)行。圖2為閾值控制框架圖。該閾值的實質(zhì)是子任務規(guī)模的上限，若閾值過小，劃分子任務數(shù)越多，造成更大的管理消耗;若閾值過大，劃分子任務數(shù)越少，不利于子線程的充分利用。因此，在需保證多核資源充分利用的前提下，可設置閾值大小使分解的子任務數(shù)等于邏輯線程數(shù)，則閾值的計算公式為β=「αw?。(9)式中:符號「?表示取上整數(shù);β，α，w分別為閾值、父任務計算規(guī)模、CPU的邏輯線程數(shù)。其中，具有“超線程”技術的硬件配置每個核心可以開啟2個邏輯線程。圖2閾值控制框架圖Fig．2Framediagramofthresholdcontrolling(4)設計了“工作竊缺算法，即當某個線程處于閑置狀態(tài)時，可從其他線程中“竊缺任務執(zhí)行，減少線程閑置時間。3．3PAHPSO并行方法設計AHPSO方法的初始種群由不同的個體粒子組成，粒子的個數(shù)即為種群的計算規(guī)模。由于每個粒子代表解空間的一個候選解，采用劃分初始種群為多個規(guī)模更小子種群的粗粒度并行設計，并不影響每個粒子在其子種群中的搜索尋優(yōu)。因此，子種群之間的優(yōu)化搜索是相互獨立的，具有天然的并行性。圖3為PAHPSO方法并行設計框架示意圖。圖3PAHPSO方法并行設計框架示意圖Fig．3SchematicdiagramofparallelismdesignframeworkforPAHPSO其并行步驟主要為:(1)劃分子種群。從主線程中獲取初始種群的計算規(guī)模作為父任務規(guī)模，采用Fork/Join閾值計算公式(式(9))將父任?
【作者單位】： 珠江水利科學研究院資源與環(huán)境研究所;珠江水利科學研究院水利部珠江河口動力學及伴生過程調(diào)控重點實驗室;水利部珠江水利委員會技術咨詢中心;
【基金】：國家重點研發(fā)計劃資助項目(2017YFC0405905) 水利部公益性行業(yè)科研專項(201401013,201501010)
【分類號】：TV697.12

【相似文獻】

相關期刊論文 前10條

1 艾學山;范文濤;王先甲;;梯級水庫群運行模式及合作效益分配研究[J];水力發(fā)電學報;2009年03期

2 ;“973”計劃啟動梯級水庫群風險機制與安全防控理論項目[J];水利水電技術;2013年02期

3 劉娟;;國家973計劃課題《梯級水庫群風險等級確定與風險設計》課題啟動會議召開[J];水力發(fā)電;2013年07期

4 陳洋波;陳培根;;梯級水庫群優(yōu)化調(diào)度的層次分析法[J];湖北水力發(fā)電;1989年01期

5 馬志鵬;袁建國;石峗峗;熊靜;;基于隨機賦權法的梯級水庫群灰色決策模型[J];水電能源科學;2009年01期

6 丁毅;傅巧萍;;長江上游梯級水庫群蓄水方式初步研究[J];人民長江;2013年10期

7 馬志鵬;陳守倫;芮鈞;;梯級水庫群防洪系統(tǒng)多目標決策的灰色優(yōu)選[J];數(shù)學的實踐與認識;2007年11期

8 王義民;張澤中;齊青青;黃強;;黃河上游梯級水庫群大氣環(huán)境補償效益計算[J];水力發(fā)電學報;2010年03期

9 黃強;高凡;張永永;孫曉懿;吳成國;;烏江梯級水庫群優(yōu)化調(diào)度規(guī)律研究[J];水力發(fā)電學報;2011年04期

10 唐海華;胡挺;梅亞東;王建軍;劉俊偉;;長江上游控制型梯級水庫群聯(lián)合補償效益分析[J];水電自動化與大壩監(jiān)測;2012年03期

相關會議論文 前3條

1 馬立亞;吳澤宇;劉國強;邱雪瑩;;漢江梯級水庫群供水優(yōu)化調(diào)度模型研究[A];中國水利學會2013學術年會論文集——S1水資源與水生態(tài)[C];2013年

2 邵駿;范可旭;熊瑩;邴建平;;長江上游梯級水庫群運用對徑流影響的初步分析[A];中國水文科技新發(fā)展——2012中國水文學術討論會論文集[C];2012年

3 賈江濤;翟橋柱;管曉宏;吳宏宇;李慶海;;有抽蓄機組的梯級水庫群水電站短期優(yōu)化調(diào)度[A];第二十七屆中國控制會議論文集[C];2008年

相關重要報紙文章 前1條

1 鐘誠;“梯級水庫群全生命周期風險孕育機制與安全防控理論”項目啟動[N];中國水利報;2013年

相關博士學位論文 前6條

1 張銳;梯級水庫群漫壩失事風險分析及其應急處置研究[D];大連理工大學;2016年

2 張雙虎;梯級水庫群發(fā)電優(yōu)化調(diào)度的理論與實踐[D];西安理工大學;2007年

3 李繼偉;梯級水庫群多目標優(yōu)化調(diào)度與決策方法研究[D];華北電力大學;2014年

4 張忠波;三峽與金沙江下游梯級水庫群發(fā)電優(yōu)化調(diào)度研究[D];天津大學;2014年

5 張慧峰;梯級水庫群多目標優(yōu)化調(diào)度及多屬性決策研究[D];華中科技大學;2013年

6 王贏;梯級水庫群優(yōu)化調(diào)度方法研究與系統(tǒng)實現(xiàn)[D];華中科技大學;2012年

相關碩士學位論文 前3條

1 史亞軍;白山豐滿梯級水庫群優(yōu)化調(diào)度模型研究[D];大連理工大學;2016年

2 王坤;改進人工蜂群算法在梯級水庫群優(yōu)化調(diào)度中的應用[D];南昌工程學院;2017年

3 何向陽;梯級水庫群聯(lián)合優(yōu)化調(diào)度及其應用[D];華中科技大學;2012年

本文編號：2524186