#include void main() { int k,J,p,m,s,io,t,i,u; k=1; int n[4]={3,4,3,3}; int q[5][4]={{0,0,0,0},{30,31,29,28},{34,34,35,35},{38,37,38,37},{0,40,0,0}}; int nn[4],q1[14],no[14][4],q2[14]; for(t=0;t<14;t++) for(i=0;i<4;i++)no[t][i]=0; while(k<=4){ if(k==1){ nn[k-1]=n[k-1]; J=0; do{ q1[J]=q[J][k-1]; no[J][k-1]=J; J++; }while(J<=n[k-1]);} else{ m=nn[k-2]; nn[k-1]=m+n[k-1]; J=0; while(J<=nn[k-1]){ int y=1000; int i=0; loop: if(J-i>m){i++; if(i>n[k-1]){q2[J]=y;no[J][k-1]=io;} else goto loop;} else if(i>J) {q2[J]=y;no[J][k-1]=io;} else {s=q[i][k-1]+q1[J-i]; if(sn[k-1]){q2[J]=y;no[J][k-1]=io;} else goto loop; } J++;} for(i=0;i=0){p=J; k=4; while(k>=1){no[J][k-1]=no[p][k-1]; p=p-no[p][k-1]; k--;} J--; } printf("J\\NO 1# 2# 3# 4# Q\n"); for(t=0;t<14;t++) printf("%2d %d %d %d %d %d\n",t,no[t][0],no[t][1],no[t][2],no[t][3],q2[t]); }

动态规划算法在小浪底水库优化调度中的应用研究.doc

该资料包含（POA+GA、人工鱼群等4个程序代码）

c1=1.4962; %学习因子1 c2=1.4962; %学习因子2 w=0.7298; %惯性权重 MaxDT=20; %最大迭代次数-------k次迭代 D=12; %搜索空间维数（未知数个数）-----D维空间 N=100; %初始化群体个体数目--------m个粒子 eps=10^(-6); %设置精度(在已知最小值时候用)

matlab代码粒子群算法WRM的手稿中的代码 “用于串联水库优化配水的分解和动态规划聚合方法”中的代码 分解和动态规划聚合方法的代码，遗传算法和粒子群优化算法的代码可在“算法代码”目录中找到。 在本文中，图1至图3是在Adobe Photoshop中手动制作的。 图4是在Matlab中制作的，其代码可以在“图代码”目录中找到。 可以在“求解结果”目录中找到详细的结果，包括使用不同方法获得的系统的操作过程以及使用算法参数的不同设置来求解GA或PSO的结果。

水库优化调度程序C++源代码,轻松下载，直接应用

POA算法用于求解水库优化【梯级水库调度】

基于实数编码的遗传算法在水库优化调度中的应用，胡晓雨，徐英，基于实数编码的遗传算法(RGA)可以快速收敛到最优解附近、且不易陷入局部最优。通过选择、交叉和变异等遗传算子的共同作用使种群不�

POA-DPSA算法用于水库优化计算，采用C++语言

该粒子群优化算法求解了三个梯级水电站的水位变化，弃水量的过程。内附详细的备注，适合新手学习。