遺傳算法和蟻群算法及其在TSP問題和配電網(wǎng)重構(gòu)問題中的應(yīng)用研究.pdf

1、遺傳算法是一種以達(dá)爾文自然進(jìn)化論和孟德爾遺傳變異理論為基礎(chǔ)的基于種群的智能優(yōu)化算法；蟻群算法則是對(duì)群體性昆蟲螞蟻覓食行為進(jìn)行模擬而提出的一種新的基于種群的智能優(yōu)化算法,它們可廣泛應(yīng)用于自然科學(xué)、工程技術(shù)和現(xiàn)代管理等領(lǐng)域中各種復(fù)雜問題的優(yōu)化求解.本文對(duì)這兩種算法進(jìn)行了仔細(xì)的研究,針對(duì)它們收斂速度慢、容易早熟等不足,通過引入新的思想和方法,設(shè)計(jì)出新的遺傳算法和蟻群算法使得這些問題得到改善或解決,并將其成功地應(yīng)用到了TSP問題和配電網(wǎng)重構(gòu)問題

2、中.主要工作包括以下內(nèi)容: 通過對(duì)TSP問題適應(yīng)度地貌的分析,設(shè)計(jì)出了一種可變鄰域搜索的變異算子(簡(jiǎn)稱GIIM),該算子除了具有通常的變異作用外,還有很強(qiáng)的局部搜索功能.在該算子的基礎(chǔ)之上,構(gòu)造出了一種新的求解TSP的高效遺傳算法(簡(jiǎn)稱EGA).仿真測(cè)試表明,EGA不但具有很強(qiáng)的全局搜索能力,而且收斂速度很快；其測(cè)試結(jié)果與已知文獻(xiàn)中類似算法和國際標(biāo)準(zhǔn)測(cè)試庫TSPLIB中的最優(yōu)路徑相比,或相同或更優(yōu). 通過對(duì)TSP問題領(lǐng)域

3、知識(shí)的深入研究,將(簡(jiǎn)稱DT)引入到了蟻群系統(tǒng)(簡(jiǎn)稱ACS)中,設(shè)計(jì)了一種基于DT三角網(wǎng)的候選集策略(簡(jiǎn)稱CSDT),在此基礎(chǔ)上結(jié)合GIIM,提出了一種新的基于候選集策略和可變鄰域搜索變異的求解TSP的蟻群算法(簡(jiǎn)稱DMACS).用典型的TSP標(biāo)準(zhǔn)測(cè)試集對(duì)該算法進(jìn)行了驗(yàn)證并與文獻(xiàn)中的同類算法進(jìn)行了對(duì)比測(cè)試,仿真結(jié)果表明該算法優(yōu)于已知文獻(xiàn)中的同類算法. 將GTGA應(yīng)用于以網(wǎng)損最小為目標(biāo)的配電網(wǎng)重構(gòu)問題.結(jié)合基于基本環(huán)路的染色體編碼

4、,設(shè)計(jì)了適用于配電網(wǎng)重構(gòu)的基因庫和治療算子,從而將GTGA成功應(yīng)用到了配電網(wǎng)重構(gòu)之中. 在IEEE33和IEEE69節(jié)點(diǎn)的1000次仿真測(cè)試中,GTGA全部找到最優(yōu)解,且最快收斂代數(shù)分別為第2和第3代、平均收斂代數(shù)分別為8.089和10.413代.仿真結(jié)果說明GTGA在配電網(wǎng)重構(gòu)問題中的應(yīng)用是成功的,該算法無論是收斂速度,還是全局尋優(yōu)能力,以及魯棒性與最新權(quán)威文獻(xiàn)中求解配電網(wǎng)重構(gòu)的其它算法相比,都具有優(yōu)越的性能. 提出使

5、用MCACS求解配電網(wǎng)重構(gòu)問題.針對(duì)配電網(wǎng)重構(gòu)問題的特點(diǎn),結(jié)合基于基本回路的解的編碼方式,設(shè)計(jì)了適合于配電網(wǎng)重構(gòu)的解元件庫、保健算子和治病算子,從而將MCACS成功應(yīng)用到了配電網(wǎng)重構(gòu)問題中.在IEEEE33和IEEE69節(jié)點(diǎn)的100次仿真測(cè)試中,MCACS全部找到最優(yōu)解,且最快收斂代數(shù)分別為3和7、平均收斂代數(shù)分別為22.16和59.92. 仿真測(cè)試表明,MCACS不但優(yōu)于己知文獻(xiàn)中求解配電網(wǎng)重構(gòu)的蟻群優(yōu)化算法,而且同其它智能優(yōu)