This work examines the effectiveness of a newly-developed optimization framework for river basin management. The proposed framework relies on the newly developed WOAPSO algorithm, which is a hybrid metaheuristic algorithm combining two conventional metaheuristic algorithms, namely the weed optimization algorithm (WOA) and the particle swarm optimization algorithm (PSO). Two case studies are presented in this study to evaluate the performance of the WOAPSO algorithm. The first case study consists of a ten-reservoir river basin example which compares the performance and reliability of the hybrid WOAPSO algorithm with that of linear programing (LP), non-linear programing (NLP), WOA, and the PSO algorithm. Results indicate the hybrid WOAPSO finds solutions meeting downstream water demands with 99.94% of reliability (with respect to the global optimum, as derived by LP) in the ten-reservoir system. It outperforms the WOA and PSO, which feature lower reliabilities than that achieved by WOAPSO. The second case study demonstrates failure of the conventional NLP optimization scheme in solving a real-world three-reservoir hydropower optimization problem which maximizes the efficiency index of hydropower production. The newly-introduced WOAPSO algorithm minimizes the objective function with superior efficiency compared with those of the WOA and PSO, in terms of the convergence rate and the achieved best values of the objective function. Furthermore, the WOAPSO is proven more reliable for solving complex multi-reservoir systems within the context of integrated river basin management than classic and evolutionary optimization algorithms.

这项工作研究了新开发的流域管理优化框架的有效性。所提出的框架基于新开发的WOAPSO算法，该算法是结合了两种常规的元启发式算法，即杂草优化算法（WOA）和粒子群优化算法（PSO）的混合元启发式算法。本研究中提出了两个案例研究，以评估WOAPSO算法的性能。第一个案例研究包括一个十水库的流域示例，该示例比较了混合WOAPSO算法与线性规划（LP），非线性规划（NLP），WOA和PSO算法的性能和可靠性。结果表明，混合WOAPSO可以找到满足下游用水需求的解决方案，其可靠性为99.94％（相对于全球最佳，由LP得出）在十个储层系统中。它的性能优于WOA和PSO，后者的可靠性比WOAPSO的可靠性低。第二个案例研究表明，传统的自然语言处理优化方案无法解决现实世界中的三水库水电优化问题，该问题使水电生产效率指标最大化。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。它的性能优于WOA和PSO，后者的可靠性比WOAPSO的可靠性低。第二个案例研究表明，传统的自然语言处理优化方案无法解决现实世界中的三水库水电优化问题，该问题使水电生产效率指标最大化。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。它的性能优于WOA和PSO，后者的可靠性比WOAPSO的可靠性低。第二个案例研究表明，传统的自然语言处理优化方案无法解决现实世界中的三水库水电优化问题，该问题使水电生产效率指标最大化。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。第二个案例研究表明，传统的自然语言处理优化方案无法解决现实世界中的三水库水电优化问题，该问题使水电生产效率指标最大化。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。第二个案例研究表明，传统的自然语言处理优化方案无法解决现实世界中的三水库水电优化问题，该问题使水电生产效率指标最大化。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。新引入的WOAPSO算法在收敛速度和目标函数的最佳值方面，与WOA和PSO相比，具有最小的目标函数，效率更高。此外，与传统的和进化优化算法相比，WOAPSO被证明在集成流域管理的背景下解决复杂的多水库系统更加可靠。