社會演化算法在機組組合中的應(yīng)用.pdf

1、機組組合是電力系統(tǒng)優(yōu)化運行的一個重要方面,由于它能帶來顯著的經(jīng)濟效益,所以一直是現(xiàn)代電力系統(tǒng)每天運行計劃主要的優(yōu)化任務(wù).從數(shù)學角度講,機組組合問題是一個多約束NP難組合優(yōu)化問題,很難得到理論上的最優(yōu)解.為了在合理時間內(nèi)找到近似最優(yōu)解,許多方法被應(yīng)用于解決該問題.其中,遺傳算法近些年來被較多地用于解決機組組合問題,并取得了較好的效果.但由于遺傳算法的初始種群是隨機產(chǎn)生的,得到的個體因不滿足最小起停時間等約束而多數(shù)為不可行解;此外,在交叉和

2、變異的進化過程中,由于遺傳操作因子是隨機操作的,由此得到的新個體也因破壞了最小起停時間等約束而多數(shù)為不可行解,因而大大降低了遺傳算法的計算效率.為了克服這些困難,該文首次將一種新的方法—社會演化算法用于解決該問題.該算法以組合優(yōu)化問題通用的社會群體認知模型為理論基礎(chǔ),已成功的運用于配電網(wǎng)優(yōu)化規(guī)劃問題.該 文分析了人在機組組合優(yōu)化問題中的認知行為,在此基礎(chǔ)上設(shè)計了社會演化算法中認知主體、認知規(guī)則、"范式學習與更新"及"范式突破"的實現(xiàn)方法