LOGO电力系统规划中的智能优化算法电力系统规划中的智能优化算法智能优化算法?智能优化算法又称为现代启发式算法,是一种具有全局优化性能、通用性强、且适合于并行处理的算法。这种算法一般具有严密的理论依据,而不是单纯凭借专家经验,理论上可以在一定的时间内找到最优解或近似最优解。常用的智能优化算法?遗传算法?(ic Algorithm,简称GA)?模拟退火算法?(Simulated Annealing,简称SA)?禁忌搜索算法?(Tabu Search,简称TS)?群体智能优化算法?蚁群?鱼群?粒子群智能优化算法的特点?它们的共同特点:都是从任一解出发,按照某种机制,以一定的概率在整个求解空间中探索最优解。由于它们可以把搜索空间扩展到整个问题空间,因而具有全局优化性能。遗传算法起源?遗传算法是由美国的J. Holland教授于1975年在他的专著《自然界和人工系统的适应性》中首先提出的,它是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。遗传算法的搜索机制?遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种指标从解群中选取较优的个体,利用遗传算子(选择、交叉和变异)对这些个体进行组合,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止。遗传算法进化过程优化过程生物进化过程是一个自然,并行,稳健的优化过程,这一优化过程的目的在于使生命体达到适应环境的最佳结构与效果,而生物种群通过”“优胜劣汰”及遗传变异来达到进化(优化)目的的。遗传算法+++==生物的进化机制自然选择适应环境的个体具有更高的生存能力,同时染色体特征被保留下来杂交随机组合来自父代的染色体上的遗传物质,产生不同于它们父代的染色体突变随机改变父代的染色体基因结构,产生新染色体2、基本遗传算法?基本遗传算法(Simple ic Algorithms,简称SGA,又称简单遗传算法或标准遗传算法),是由Goldberg总结出的一种最基本的遗传算法,其遗传进化操作过程简单,容易理解,是其它一些遗传算法的雏形和基础。基本遗传算法的组成?(1)编码(产生初始种群)?(2)适应度函数?(3)遗传算子(选择、交叉、变异)?(4)运行参数
电力系统优化规划2-智能优化算法I-遗传算法 来自淘豆网m.daumloan.com转载请标明出处.
