第六章 智能算法教程教案.pptx

第六章 智能算法在电力系统中的应用;6.1 智能算法概述;;6.1.2 遗传算法;;6.1.2.1 特点;遗传算法还具有以下几方面的特点(1)：;(3)遗传算法基本上不用有哪些信誉好的足球投注网站空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。 (4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的有哪些信誉好的足球投注网站方向。 (5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织有哪些信誉好的足球投注网站时，硬度大的个体具有较高的生存概率，并获得更适应环境的基因结构。 ;6.1.2.2 运用领域;6.1.2.3 遗传算法在电力系统应用现状;6.1.3 粒子群算法;群集智能的特点和优点：;;6.1.3.2 粒子群优化算法;;;;;PSO和遗传算法的比较;6.1.3.3 粒子群算法在电力系统应用现状;6.1.4 人工神经网络算法?;;6.1.4.1 人工神经网络的特点;;;6.1.4.2 几种典型神经网络简介;多层感知网络(误差逆传播神经网络)?;BP网的主要缺陷;竞争型(KOHONEN)神经网络;竞争型神经网络是一种以无教师方式进行网络训练的网络。它通过自身训练，自动对输入模式进行分类。竞争型神经网络及其学习规则与其它类型的神经网络和学习规则相比，有其自己的鲜明特点。在网络结构上，它既不象阶层型神经网络那样各层神经元之间只有单向连接，也不象全连接型网络那样在网络结构上没有明显的层次界限。它一般是由输入层(模拟视网膜神经元)和竞争层(模拟大脑皮层神经元，也叫输出层)构成的两层网络。两层之间的各神经元实现双向全连接，而且网络中没有隐含层。有时竞争层各神经元之间还存在横向连接。;竞争型神经网络的基本思想是网络竞争层各神经元竞争对输入模式的响应机会，最后仅有一个神经元成为竞争的胜者，并且只将与获胜神经元有关的各连接权值进行修正，使之朝着更有利于它竞争的方向调整。神经网络工作时，对于某一输入模式，网络中与该模式最相近的学习输入模式相对应的竞争层神经元将有最大的输出值，即以竞争层获胜神经元来表示分类结果。这是通过竞争得以实现的，实际上也就是网络回忆联想的过程。 ;???了竞争的方法外，还有通过抑制手段获取胜利的方法，即网络竞争层各神经元抑制所有其它神经元对输入模式的响应机会，从而使自己“脱颖而出”，成为获胜神经元。 除此之外还有一种称为侧抑制的方法，即每个神经元只抑制与自己邻近的神经元，而对远离自己的神经元不抑制。这种方法常常用于图象边缘处理，解决图象边缘的缺陷问题。;竞争型神经网络的缺点和不足： 因为它仅以输出层中的单个神经元代表某一类模式，所以一旦输出层中的某个输出神经元损坏，则导致该神经元所代表的该模式信息全部丢失。;?Hopfield神经网络;;对于同样结构的网络，当网络参数(指连接权值和阀值)有所变化时，网络能量函数的极小点(称为网络的稳定平衡点)的个数和极小值的大小也将变化。因此，可以把所需记忆的模式设计成某个确定网络状态的一个稳定平衡点。若网络有M个平衡点，则可以记忆M个记忆模式。 当网络从与记忆模式较靠近的某个初始状态(相当于发生了某些变形或含有某些噪声的记忆模式，也即：只提供了某个模式的部分信息)出发后，网络按Hopfield工作运行规则进行状态更新，最后网络的状态将稳定在能量函数的极小点。这样就完成了由部分信息的联想过程。;;6.1.4.3人工神经元网络在电力系统应用现状;人工神经元网络最适合多模式识别类型的问题。在电力系统中人工神经元网络能解决的问题有: 静态或动态安全度分析、同步电机建模、监视和诊断、警报处理、经济负荷调度、故障诊断、拓扑的可观测性、负荷辨识、组合优化和控制，尤其对非线性、随机或时变系统的控制。 现在在这些领域，人工神经元网络已经得到了充分的应用。;6.1.5 人工免疫算法?;6.1.4.3人工免疫算法在电力系统应用现状;;在电力系统中，人工免疫理论得到了广泛应用:;6.1.6?展望