#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)

水库优化调度程序C++源代码,轻松下载，直接应用

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�

蚁群算法在水库优化调度中的应用研究，王涛，杜红娟，本文简要分析了现行水库优化调度方法的优缺点，突出了本课题研究的必要性。在对蚁群算法基本原理进行描述的基础上重点探讨了将其

水库优化调度的方法，如POA 、遗传算法等等。水电工作者的必须。。

水库优化调度代码的文档，能够正确运行程序

动态规划计算水库优化调度。本文中使用了下列变重，说明如下：t为时段变重，在本坝目研究中，以旬为计算时段，全年共计36个时段；Vt、Zt为t时段初水库蓄水重及蓄水水位；Qt为t时段平均下泄流量；NtEt为水电站t时段平均发电出力及发电重；St为水库t时段平均入库流量。