遺傳算法和蟻群算法及其在TSP問題和配電網重構問題中的應用研究.pdf

1、遺傳算法是一種以達爾文自然進化論和孟德爾遺傳變異理論為基礎的基于種群的智能優(yōu)化算法；蟻群算法則是對群體性昆蟲螞蟻覓食行為進行模擬而提出的一種新的基于種群的智能優(yōu)化算法,它們可廣泛應用于自然科學、工程技術和現代管理等領域中各種復雜問題的優(yōu)化求解.本文對這兩種算法進行了仔細的研究,針對它們收斂速度慢、容易早熟等不足,通過引入新的思想和方法,設計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,并將其成功地應用到了TSP問題和配電網重構問題

2、中.主要工作包括以下內容: 通過對TSP問題適應度地貌的分析,設計出了一種可變鄰域搜索的變異算子(簡稱GIIM),該算子除了具有通常的變異作用外,還有很強的局部搜索功能.在該算子的基礎之上,構造出了一種新的求解TSP的高效遺傳算法(簡稱EGA).仿真測試表明,EGA不但具有很強的全局搜索能力,而且收斂速度很快；其測試結果與已知文獻中類似算法和國際標準測試庫TSPLIB中的最優(yōu)路徑相比,或相同或更優(yōu). 通過對TSP問題領域

3、知識的深入研究,將(簡稱DT)引入到了蟻群系統(簡稱ACS)中,設計了一種基于DT三角網的候選集策略(簡稱CSDT),在此基礎上結合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(簡稱DMACS).用典型的TSP標準測試集對該算法進行了驗證并與文獻中的同類算法進行了對比測試,仿真結果表明該算法優(yōu)于已知文獻中的同類算法. 將GTGA應用于以網損最小為目標的配電網重構問題.結合基于基本環(huán)路的染色體編碼

4、,設計了適用于配電網重構的基因庫和治療算子,從而將GTGA成功應用到了配電網重構之中. 在IEEE33和IEEE69節(jié)點的1000次仿真測試中,GTGA全部找到最優(yōu)解,且最快收斂代數分別為第2和第3代、平均收斂代數分別為8.089和10.413代.仿真結果說明GTGA在配電網重構問題中的應用是成功的,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威文獻中求解配電網重構的其它算法相比,都具有優(yōu)越的性能. 提出使

5、用MCACS求解配電網重構問題.針對配電網重構問題的特點,結合基于基本回路的解的編碼方式,設計了適合于配電網重構的解元件庫、保健算子和治病算子,從而將MCACS成功應用到了配電網重構問題中.在IEEEE33和IEEE69節(jié)點的100次仿真測試中,MCACS全部找到最優(yōu)解,且最快收斂代數分別為3和7、平均收斂代數分別為22.16和59.92. 仿真測試表明,MCACS不但優(yōu)于己知文獻中求解配電網重構的蟻群優(yōu)化算法,而且同其它智能優(yōu)