张雷克，侯笑鹏，刘小莲，田雨

(1.太原理工大学 水利科学与工程学院，山西 太原 030024；2.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 100038)

为了有效解决地区水资源短缺，加强农业灌溉，保障城市供水，促进社会、经济与生态协调发展，人们建成了众多由梯级泵站组成的大型跨流域调水工程[1-2].梯级泵站在运行过程中往往存在运行效率低、耗电量大的问题[3-4].开展梯级泵站运行调度优化研究，最大限度提高系统运行效率、节省用电成本，对提升泵站综合利用效率、优化经济运行方式及增强运行管理水平具有十分重要的科学意义和工程应用价值.

梯级泵站系统优化调度是复杂的非凸、非线性、高维优化问题，传统的优化方法往往计算复杂或难以得到最优解.作为优化方法的一大分支，群智能算法的出现为传统优化方法的求解提供了有益的补充[5].鉴于它高效、简单、易于实现等优点，众多启发式智能算法，如遗传算法（genetic algorithm, GA）、蚁群算法（ant colony optimization,ACO）、模拟退火（simulated annealing, SA）、粒子群算法（particle swarm optimization, PSO）、狼群算法（wolf pack algorithm, WPA）等都被用来解决复杂优化调度问题[6-11].每种算法各有其优缺点[12]：GA 适用范围较广，可有效求解复杂优化问题，但该算法控制变量较多，收敛速度较慢；PSO 寻优速度较快，适用范围广，能够高效求解连续函数的优化问题，但存在局部寻优能力较差的缺点；ACO 与SA 的鲁棒性强，但二者均对参数较为敏感.为了更高效地获取梯级泵站优化调度问题最优解，新算法的提出与已有算……