社会演化算法在机组组合中的应用.pdfVIP

摘要 中文摘要 机组组合是电力系统优化运行的一个重要方面，由于它能带来显著的经济效 益，所以一直是现代电力系统每天运行计划主要的优化任务。从数学角度讲， 机组组合问题是一个多约束NP难组合优化问题，很难得到理论上的最优解。为 了在合理时间内找到近似最优解，许多方法被应用于解决该问题。其中，遗传 算法近些年来被较多地用于解决机组组合问题，并取得了较好的效果。但由于 遗传算法的初始种群是随机产生的，得到的个体因不满足最小起停时间等约束 而多数为不可行解：此外，在交叉和变异的进化过程中，由于遗传操作因子是 随机操作的，由此得到的新个体也因破坏了最小起停时间等约束而多数为不可 行解，因而大大降低了遗传算法的计算效率。 为了克服这些困难，本文首次将一种新的方法一社会演化算法用于解决该问 题。该算法以组合优化问题通用的社会群体认知模型为理论基础，已成功的运 用于配电网优化规划问题。本文分析了人在机组组合优化问题中的认知行为， 在此基础上设计了社会演化算法中认知主体、认知规则、“范式学习与更新”及 “范式突破”的实现方法。将最小启停时间约束引入认知规则，通过认知主体 的一系列认知行为直接生成满足各种约束的可行解