梯级水库联合优化调度决策是一个高度复杂的多阶段、多层次、多目标、多决策主体的风险决策问题。加上很多问题具有半结构化、非结构化的性质,所以调度决策必须充分利用实践经验和专家知识,使得调度决策更加科学化、民主化。同时随着电力市场的逐步形成,梯级水电系统规模的日趋庞大,梯级多目标优化调度决策问题的求解变得更加困难,必须不断探索新的决策理论与方法。本文在分析了现有梯级联合调度决策问题存在的不足的基础上,利用系统工程理论和现代智能进化方法,对多目标优化算法、多属性决策方法及其在三峡梯级调度决策问题中的应用进行了研究,为三峡梯级联合优化调度问题的解决提供了一条有效的新途径。具体内容概括如下:首先在本文的第一章对研究工作的背景、目的和意义进行了介绍。简单综述了多目标优化算法、多属性决策方法和梯级水库多目标优化调度问题的研究现状以及今后的发展趋势。在第二章中建立了梯级多目标发电调度和梯级多目标防洪调度的数学模型。第三章提出了基于免疫机理的多目标遗传算法(即多目标免疫遗传算法)用于流域梯级水库多维调控模型的求解。该算法的核心思想在于充分利用求解问题的特征信息,通过设计特定的增强群体多样性的免疫算子并与GA结合,以优秀抗体指导下的全局、并行搜索代替了遗传算法盲目的、随机的搜索。由于随机搜索是在确定方式的指导下完成的,相比于没有采用免疫算子的多目标遗传算法,多目标免疫算法提高了收敛速度,有效地克服了不成熟收敛现象,理论证明该算法是全局收敛的。这也进一步说明GA中的选择和变异算子是导致算法陷入局部搜索的关键因素之一,因此,遗传算法与免疫机理的结合能较大程度地改善GA搜索性能。第四章研究了基于模糊TOPSIS方法的多属性分析方法的相关理论以及实现方法,对含有语言变量的多目标决策问题给出了一个有效的求解方法。最后以三峡梯级调度问题为背景,得到相应的多目标调度问题的非劣解集。并应用基于模糊TOPSIS方法的多属性决策方法,对多目标调度方案集进行排序优选,得到决策者满意的调度方案,从而指导三峡梯级水库的实际运行。