梯级水库调度问题是一类典型的大规模、多约束的非线性优化问题,传统的动态规划算法会随着解维度增加出现“维数灾难”,而智能优化算法可以克服此问题,且其原理简单,求解快速。本论文采用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)来解决此问题。ABC算法具有较好的鲁棒性,对求解函数的连续性和凹凸性没有要求,能为梯级水库群优化调度求解问题提供满意的解。ABC算法根据引领蜂、跟随蜂和侦查蜂的分工合作,迭代过程中能同时进行局部和全局搜索最优的解。本论文在分析ABC算法的构成要素前提下,针对梯级水库调度问题的特性,产生了一种改进蜂群算法——精英蜂群算法(Elite Artificial Bee Colony,EABC),EABC算法对侦查蜂的全局搜索策略进行了改进,引入了精英种群,在每次侦查蜂身份转换时用其重心的扰动点作为引导,提高全局搜索效率。为考察EABC算法的性能,论文首先在若干经典的标准函数测试其对高维度函数的优化能力。接着,论文又测试了EABC算法在梯级水库群短期优化调度的经典水火电联合运行的模拟仿真问题上的优化性能,并与遗传算法、鸟群算法和标准蜂群算法进行了比较,结果显示,EABC在精英种群数为四分之一种群数取整时,得到了所有算法中最优和标准差最小的解,说明了EABC在水库群短期优化调度模型中的优越性。最后,论文将EABC算法,应用在实际的沅水流域六库混联长期调度发电量最大模型求解任务中,分别选取了具有代表性的典型丰水年、典型平水年和典型枯水年作为实验对象。论文进行了多次实验,并与其他算法进行对比分析,结果显示,本文提出的EABC算法具有更好的搜索精度和稳定性,得到的水库调度的优化结果也符合调度实际。本论文证实了所提EABC算法在求解梯级水库优化调度这类问题中的适用性和优越性,为梯级水库优化调度发电量最大模型提供了一个可行的优化方法。