社会演化算法在组组合中的应用.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；基于“范式学习与更新” 的进化寻优机制避免了“交叉、变异”遗传操作产生的大量不可行解，因此它 的计算效率及收敛稳定性均优于传统遗传算法。 本文通过算例验证了该算法具有很好的计算效率及收敛稳定性。 关键词：机组组合、社会演化算法、认知主体、范式学习与更新 !塑：!!竖 一一 ABSTRACT Unit of of commitment power optimaloperation systems． aspect iS锄important SinceitcouldmeRn annualfinancial in cost，lt generating significant savingspower main taskin scbedule． tobethe continues everydaypowergeneration optimization viewof iSaNPhardcombinatorial Fromthe of mmhematics，it optimization point in findthe solution with constraintsanditiSdi侬cultto theory． problemmany optimal this tofinda solution solution havebeen to Several techniques appliedproblem good time．Asoneof