Offline training for improving online performance of a genetic algorithm based optimization model for hourly multi-reservoir operation

یک چارچوب جدید که شامل بهینه سازی تصادفی ضمنی (روش مونته کارلو)، تجزیه خوشه ای (الگوریتم یادگیری ماشین) و گسترش کارون لوو (روش کاهش ابعاد) است. این چارچوب به منظور آموزش یک مدل بهینه سازی مبتنی بر الگوریتم ژنتیکی با داده های مصنوعی و / یا تاریخی در یک محیط آفلاین آموزش می دهد تا یک مدل تبدیل شده برای بهینه سازی آنلاین (به عنوان مثال بهینه سازی در زمان واقعی) را توسعه دهد. خروجی اولیه از آموزش آفلاین یک نمایش تصادفی از متغیرهای تصمیم است که توسط مجموعه ای از توابع متعامد با ضرایب تصادفی نامشخص تشکیل شده است. این نمایشگاه، ساختار کوواریانس تصمیمات شبیه سازی شده از آموزش آفلاین را حفظ می کند به عنوان دستاورد برخی از دانش؟ در مورد فضای جستجو با توجه به این دانش، به دست آورد دانش، راه حل های نامناسب بهتر می تواند تولید شود و از این رو، راه حل های بهینه می تواند سریع تر به دست آمده است. امکان سنجی این رویکرد با یک مطالعه موردی برای بهینه سازی عملکرد ساعتی یک سیستم ده مخزن طی یک دوره دو هفته ای نشان داده شده است.