摘 要：先介绍几种水库优化调度的方法如线性规划，非线性规划，多目标规划和一些智能算法并总结了其优缺点，再阐述Matlab在水库优化调度方法应用，并介绍个别函数的调用格式和参数名称，希望对研究人员提供帮助。
　　关键词：水库 优化调度 方法 Matlab
　　中图分类号：TV62 文献标识码：A 文章编号：1007-3973（2013）002-136-02
　　1 前言
　　水库调度是管理和控制水库安全可靠运行、合理利用水资源、高效发挥水库综合效益的重要措施。水库调度研究在国内外已有60多年的历史，在优化调度理论、方法、模型等方面取得了大量的研究成果。进入21世纪以来，随着大批水库水电站的建成和投入使用，水库优化调度问题也越来越受到重视并也取得了不少研究成果。
　　Matlab是一种功能全面的工程语言，具有强大的科学计算和数据处理能力、简单方便的编程语言、友好的工作平台和编程环境以及应用广泛的模块集合工具箱，在学术界和工程界广受欢迎。
　　2 水库优化调度的研究方法
　　2.1 线性规划
　　2.2 非线性规划
　　2.3 多目标规划
　　2.4 遗传算法
　　遗传算法是一种基于自然选择和遗传变异等生物机制的全局性概率搜索算法，是由美国密执根大学的J.H.Holland教授在70年代末80年代初提出的，选择、交叉和变异是遗传算法的三个基本操作。它具有并行计算的特性与自适应搜索的能力，可以从多个初值点、多路径进行全局最优或准全局最优搜索，尤其适用于求解大规模复杂的多维非线性规划问题。遗传算法占用计算机内存小，能以较大概率搜索到全局最优解，且适用于高度非线性函数的优化，具有可扩展性，容易与其他算法结合。但由于对系统中的反馈信息利用不够，遗传算法容易早熟，且局部搜索能力较差，当求解到一定范围时往往做大量无用的冗余迭代，求解效率低。Matlab中遗传算法的主函数ga的调用方法为：
　　3 存在的问题及发展方向
　　目前，国内外对水库优化调度问题的研究得出了不少成果，创新出的方法也很多，但没有一种方法完全合理的解决水库优化调度问题，各种方法也都有不足。主要原因有：（1）研究方向主要集中在理论方法的探讨；（2）模型过于理想化，不能反映复杂系统的真是情况，从而难以解决实际问题。
　　智能算法的发展极大的促进了优化问题，Matlab强大的运算功能又帮助解决了智能算法的运算量问题。大部分智能优化算法也各自存在不足，通过研究各水库资料可以将各个算法进行改进、综合、编程，创新出更合理的算法。水库调度是一个多目标系统，研究多目标水库群调度决策方法，寻求多目标之间协调、统一的发展模式将是水库群优化调度的发展趋势。
　　参考文献：
　　[1] 郭生练，陈炯宏，刘攀，等.水库群联合优化调度研究进展与展望[J].水科学进展，2010，21（4）：496-503.
　　[2] 林一萍，王勇.水库群优化调度研究进展综述[J].农业与技术，2007，27（4）：96-100.
　　[3] 涂启玉，梅亚东.遗传算法在水库（群）优化调度研究中的应用综述[J].水电自动化与大坝监测，2008，32（1）：16-18.
　　[4] 李明.详解MATLAB在最优化计算中的应用[M].北京：电子工业出版社，2011.