基于Queenbee进化遗传算法在电力系统经济调度中应用.pdfVIP

第25卷第5期 电力自动化设备 v01．25No．5 ElectricP0werAutomati。n 2005 o2005年5月 EqIlipment May 基于Queen_bee进化的遗传算法在 电力系统经济调度中应用 秦梁栋 (华中科技大学电气与电子工程学院，湖北武汉430074) 摘要：为提高遗传算法的寻优能力，引入模拟自然界蜂王繁殖的改进型遗传算法(QEBGA)。概述 了QEBGA的实现过程，指出基本遗传算法(sGA)采用轮盘赌选择机制选择种群个体，以普通变异 算子对种群作变异操作；而QEBGA采用启发式选择机制选择种群个体，按比例分别以普通变异算 子和强变异算子对种群作变异操作。详述了电力系统经济调度问题表述为极小化下的总费用函数 两种算法在优化性能上的差异，实验结果说明了相同种群规模下，QEBGA的寻优时间小于SGA；系 统规模越大，QEBGA在计算精度上的优势就越突出。 关键词：Queen_bee进化；遗传算法；经济调度 18 中图分类号：TM73；TP 文献标识码：A step2．计算种群中每个个体的适应度值； 0引言 step3．根据如下启发式规则选择进入下一代 近年来，遗传算法…(简称GA)作为一种新型的种群，即按个体适应度值选取当代种群中最优的 的随机优化算法，已被成功地用来寻找商业、工程和 个体作为蜂王个体，则进人下一代的种群中有Ⅳ／2 科学领域中问题的满意解。GA是基于自然选择和 是由蜂王个体构成，其他Ⅳ／2对应于蜂王个体随机 遗传学原理的有效搜索方法，能在存在大量干扰的 选择； 工业数据大系统中动态寻优，在给定时间内搜索问 step4．按p。进行交叉操作，其中p。为交叉算子； 题的较好解，在大系统优化与控制中已得到初步应 step5．按6对部分种群个体以p。进行变异操 用。但GA在解决更难、更大的系统优化与控制问 作，对其他种群个体以p，m进行变异操作，其中6为参 题时，面临着计算、搜索时间过长和过早收敛这两个 与普通变异的个体在种群中所占比例，p。为普通变异 主要困难。因此，将GA与其他算法相结合的混合 算子，p，m为强变异算子，一般，p。0．1，p，mp。； 算法旧，31已成为遗传算法发展的趋势。由于遗传算 step6．若不满足终止条件，转Step2，否则进入 法的结构是开放式的，与问题本身无关，所以它很容 Step7； 易和其他算法结合，本文即采用此策略改进GA以 7．输出种群中最优的个体作为问题的满 step 提高其性能。 意解或最优解。 Queen-bee进化是模拟自然界中蜂王繁殖这一 生态行为发展而来。基于Queen．bee进化的遗传算 本遗传算法(sGA)主要有以下两点不同： 法M1即根据此原理改进GA的选择过程以提高GA a．SGA采用轮盘赌选择机制选择种群的Ⅳ个 的寻优能力，但同时算法可能会由此而陷入早熟性 个体；而QEBGA采用启发式选择机制，即令第￡一1 收敛，因此，在变异过程中对种群中的某些个体进行 代种群中的最优个体作为蜂王个体，于是第f代种 强变异是必要的，它可以提高种群个体的多样性，在 群个体中有Ⅳ／2是由蜂王个体构成，其他Ⅳ／2则对 极大程度上减少早熟性收敛现象的发生。