基于改进离散粒子群算法的机组组合优化-电气工程专业论文.docxVIP

浙江大学硕士学位论文摘要 浙江大学硕士学位论文 摘要 机组组合问题是一个具有实际应用价值的工程问题，机组组合能够带来显著 的经济效益和社会效益，引起了电力工作者和研究人员的广泛兴趣。机组优化组 合问题是典型的非线性优化问题，涉及到许多非线性、离散性、随机性及不确定 性等因素。从数学角度讲，机组组合问题是一个含多种约束多项式复杂程度的非 确定性问题，很难获得理论上的最优解。到如今还是不存在能在有效时间内能考 虑所有约束并获得最优解的实用算法。如何减少机组组合问题的计算时间和获得 最优解对电力系统的经济运行有着重大的意义。常规的数学方法在处理此类问题 时有一定的局限性，而智能优化方法却适合求解传统优化方法难以解决的高非线 性、高离散性的组合优化问题。 粒子群优化算法(Particle Swarm Optimization，PSO)由于搜索机制简单，程 序实现容易，已经被广泛地应用于实际问题的求解。针对传统离散粒子群算法 (Discrete Particle Swarm Optimization，DPSO)的全局搜索能力差、进化后期收敛 速度慢、算法到达一定精度无法继续运行等缺点，本文提出了一种新型的离散粒 子群算法。仿真结果表明，该算法能够得到更好的优化效果，验证了方法的有效 性。 随后本文研究了机组优化组合的基本原理和数学模型。把新型的离散粒子群 算法结合改进的自学习策略优化粒子群算