遗传算法的改进及其在电力系统中的应用.pdf

遗传算法的改进及其在电力系统中的应用 许可郎兵 (北京交通大学电气工程学院北京100044) 1引言 Algorithm) 近年来，一种进化论的数学模型，在思想方法上标新立异的优化方法一遗传算法GA(Genetic 发展十分迅速，在一些研究工作和工程技术中以其独特的解决问题的能力而获得了广泛的应用。 H．Hol— 遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机的有哪些信誉好的足球投注网站算法，由美国密歇根大学John 18nd教授于1975年提出[1]。它简单，通用，鲁棒性强，适用于并行处理，对于以往难于解决的函数优 化问题，复杂的多目标规划问题，工农业生产巾的配管、配线问题，以及机器学习．图象识别，人工 神经网络的权系数调整和网络构造等问题，GA为最有效的方法之一。 2遗传算法 2．1遗传算法的基本原理 遗传算法是建立在A然选择和群体遗传学机理基础上的随机迭代和进化，具有广泛适用性的有哪些信誉好的足球投注网站方法， 具有很强的全局优化有哪些信誉好的足球投注网站能力。它模拟了自然选择和自然遗传过程巾发生的繁殖、交配和变异现象，根 据适者生存、优胜劣汰的自然准则，利用遗传箅子(选择、交叉和变异)逐代产生优选个体，最终搜 索到较优的个体。 遗传算法是一种种群型操作，该操作以种群中的所有个体为对象。具体求解步骤如下： j)对自变量进行基因编码： 遗传算法一般不直接处理问题空间的参数而是将待优化的参数集进行编码，一般总是用二进制将参数 集编码成有0或l组成的有限长度的字符串形成基因码链，每一个码链代表一个个体，表示优化问题的一 个可能的解。 2)初始种群的生成： 随机地生成N个个体组成一个群体，该群体代表一些可能解的集合。G A的任务是从这些群体出发， 模拟进化过程进行择优劣汰，最后得出优秀的群体和个体，满足优化的要求。 3)适应度函数的设计： 遗传算法在运行中基本上小需要外部信息，只需依据适应度函数来控制种群的更新。根据适应度函数 对群体中的每个个体计算其适应度，为群体进化的选择提供依据。设计适应度函数的主要方法是把问题的 目标函数转化成合适的适应度函数。 4)选择(复制)： 按一定概率从群体中选择M对个体，作为双亲用于繁殖后代，产生新的个体加入下一代群体中。即 适应于生存环境的优良个体将有更多繁殖后代的机会，从而使优良特性得以遗传。选择是遗传算法的关 键，它体现了生物进化过程中的自然选择规律。 5)杂交(交叉)： 对于选中的用于繁殖的每一对个体，随机地选择同一整数n，将双亲的基因码链截断，然后互换尾 部。杂交是GA的一个重要算子，有单点杂交和多点杂交，如 父个体111000010001 11000010011子个体1 父个体2000101l 000101 1001 10001 子个体2 交叉体现了自然界巾信息交换的思想。 6)变异： 按一定的概率从群体中选择若干个个体。对于选中的个体，随机选择某一位进行取反操作(由1一 0或由0—1)。变异是GA中的另一重要箅子，它模拟了生物进化过程中的偶然基因突变现象，能够 避免由于选择和交叉操作而引起的某些信，自、的永久性丢失，保证了算法的有效性，以防止出现未成熟收 敛。如 父个体 10011 10100 1000110100 子个体 T T 7)循环迭代： 对产生的新一代群体进行重新评价、选择、杂交和变异。如此循环往复，使群体中最优个体的适应 度和平均适应度不断提高，直至最优个体的适应度达到某一界限或最优个体的适应度和平均适应度不再提 高，则迭代过程收敛，算法结束。(；A的有哪些信誉好的足球投注网站能力主要是由选择和杂交赋予的，变异算子则保证了算法 能有哪些信誉好的足球投注网站到问题解空问的每一