基于退火演化算法和遺傳算法

1、基于退火演化算法和遺傳算法基于退火演化算法和遺傳算法的機組優(yōu)化組合算法的機組優(yōu)化組合算法吳金華，吳耀武，熊信艮吳金華，吳耀武，熊信艮（華中科技大學電力工程系，湖北?。ㄈA中科技大學電力工程系，湖北省武漢市武漢市430074430074）摘要：機組組合問題是編制短期發(fā)電計劃時首先要解決的問題，合理的開停機方案將帶來很大的經濟效益。現代電力系統對機組優(yōu)化組合算法的收斂速度和解的質量要求越來越高，作者從改善傳統算法這兩方面著手，根據退火演化算法

2、和遺傳算法各自的特點，提出了一種用于機組優(yōu)化組合的組合算法。與傳統的一些優(yōu)化算法相比，該組合算法具有搜索速度快，收斂性好，而且解的質量相當高。通過對實際系統的測算，驗證了該方法的有效性和優(yōu)越性。該方法具有良好的并行性，易于在并行計算機上實現。關鍵詞關鍵詞：機組優(yōu)化組合；退火演化算法；遺傳算法；電力系統；并行計算1引言引言電力系統的機組組合問題，就是在滿足系統負荷及備用要求和機組運行的技術條件約束的情況下，確定未來一定期間內各機組的開停機

3、時間并在機組間分配負荷，使系統總的運行費用達到最小。合理的開停機方案能節(jié)省一次能源，延長機組使用壽命，帶來巨大的經濟效益。據國外資料和國內部分機組的實際測算表明，優(yōu)化組合是編制短期發(fā)電計劃首先要解決的問題，一般而言，其經濟效益遠大于負荷經濟分配所得到效益。從數學的角度來講，機組組合問題是一個高維的、非凸的、離散的混合整數非線性優(yōu)化問題。當系統規(guī)模較大時，很難找出理論上的最優(yōu)解。由于它能夠帶來顯著的經濟效益，人們一直在積極研究和開發(fā)各種算

4、法來解決這個問題，如優(yōu)先順序法、分支定界法、動態(tài)規(guī)劃法和拉格朗日松弛法等[14]。近年來，對專家系統法、遺傳算法、模擬退火法、人工神經網絡及一些組合算法[9]也進行了一些嘗試。在研究基本遺傳算法和退火演化算法的基礎上，本文提出了一種適合于機組組合的組合算法[9]。在計算過程中，對遺傳算法的適應度函數、雜交及變異方式作了一些改進，有效地避免了簡單遺傳算法在機組組合問題中的早熟問題，并且提高了收斂速度。2機組組合問題的數學模型機組組合問題的

5、數學模型設系統調度期間的時段數為H，系統中機組或等效機組數為G，各時段系統總負荷為PDt，則其數學描述如下（1）目標函數“優(yōu)勝劣汰”的準則選出父輩解群，通過雜交和變異操作來實現群體內個體結構的重組，使群體內個體一代一代得以優(yōu)化并逐漸逼近全局最優(yōu)解。本文所提出的算法，在保留了GA算法的基本步驟和特點的同時，作了如下幾點改進。（1）適應度函數比例變換為了避免遺傳算法在搜索初期易產生的“早熟”現象和搜索結束階段易產生的隨機漫游現象，本文對適應

6、度函數進行了指數比例變換式中F為原適應度函數；F為變換后的適應度函數，β為比例調整系數。系數β的值決定選擇的強制性[2]，在搜索初期，賦給β一個較小值，來縮小一些超常個體的函數值以降低異常個體的競爭力；在結束階段，則賦給β一個相對較大值，來放大相應的適應度函數值來提高個體的競爭力。（2）雜交概率和變異概率可變在迭代前期，采用較大的雜交概率和較小的變異概率，以提高繁殖效率；在迭代后期，解群中的碼鏈已趨于穩(wěn)定，此時交叉作用已經減小，雜交概率

7、可降低，而為了防止收斂于局部最優(yōu)解，可增大變異概率。本文借鑒了文獻[7]采用的雜交概率和變異概率變化公式（3）網絡式遺傳操作為了保證算法收斂的穩(wěn)定與快速，采用了一種網絡式遺傳操作，即在一個總的遺傳算法中采用了多個子遺傳操作。由于技術限制，本文在算例中僅采用了兩個子遺傳操作，在兩個子算法中分別采用不同的雜交、變異方式，形成兩個不同的新解群。3.23.2退火演化算法及其與遺傳算法結合退火演化算法及其與遺傳算法結合退火演化算法（AEA）是模擬

8、退火算法（SA）的一種改進算法。為了改善搜索過程，避免落入局部最優(yōu)，基于群體和選擇的思想，退火演化算法（AEA）采用了一種新的演化策略，即通過變異和選擇不斷改善一個解的群體，而不是象普通模擬退火算法那樣采取單點迭代方式，從而大大減小了陷入局部極小的概率，并且可導致快速收斂到全局極小值。本組合算法的基本思想就是：算法首先從一個包含N個點的初始群體出發(fā)，在每個冷卻步上，用遺傳算法作為退火演化算法產生新解的規(guī)則，設有L個子遺傳操作用來產生新解