![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/aca6763b-815d-4e46-adc5-100baf11e40b/aca6763b-815d-4e46-adc5-100baf11e40bpic.jpg)
![知識進(jìn)化算法研究及其在配電網(wǎng)重構(gòu)中的應(yīng)用.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/aca6763b-815d-4e46-adc5-100baf11e40b/aca6763b-815d-4e46-adc5-100baf11e40b1.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、配電網(wǎng)重構(gòu)是降低網(wǎng)損,提高電網(wǎng)運行經(jīng)濟(jì)性和供電可靠性的主要途徑之一。以網(wǎng)損最小或可靠性最高為優(yōu)化目標(biāo)的配電網(wǎng)重構(gòu)問題,是一個有約束(即各種運行條件)的非線性整數(shù)組合優(yōu)化問題,其研究受到學(xué)術(shù)界和工程界的高度重視。
遺傳算法是一種以達(dá)爾文“適者生存,優(yōu)勝劣汰”進(jìn)化理論和孟德爾生物遺傳理論為基礎(chǔ)的智能進(jìn)化算法,被廣泛的應(yīng)用于現(xiàn)實社會各個領(lǐng)域的復(fù)雜問題優(yōu)化求解。但傳統(tǒng)的生物進(jìn)化算法帶有天然的盲目性和隨機性,導(dǎo)致求解問題時普遍存在早熟收
2、斂和收斂速度慢的問題。為了改進(jìn)遺傳算法,提高算法性能,使其更好地應(yīng)用于實際工程。本文通過分析人類的進(jìn)化過程發(fā)現(xiàn):人類的進(jìn)化有別于其它生物,是典型的雙進(jìn)化。人類進(jìn)化既包括基于自然性的生物進(jìn)化過程,又包括基于社會性的知識進(jìn)化,而且知識進(jìn)化在人類的進(jìn)化過程中發(fā)揮了至關(guān)重要的作用。受此啟發(fā),提出了雙進(jìn)化計算方法的框架。
雙進(jìn)化計算系統(tǒng)由生物進(jìn)化子系統(tǒng)和知識進(jìn)化子系統(tǒng)構(gòu)成。其中生物進(jìn)化是針對某一個具體問題的優(yōu)化,知識進(jìn)化則是針對某類問題
3、的求解知識的優(yōu)化,生物系統(tǒng)為形成知識提供事實依據(jù),知識系統(tǒng)對生物系統(tǒng)提供指導(dǎo),兩者既相互獨立,又相互作用、相互影響,從而共同進(jìn)化。在系統(tǒng)應(yīng)用階段,對于待優(yōu)化的新問題,首先從的知識庫中尋找最適宜的方法和參數(shù),再指導(dǎo)生物進(jìn)化子系統(tǒng)高效地得到高質(zhì)量的最優(yōu)解。從而提高算法的效率和效果。雙進(jìn)化計算是一個龐大復(fù)雜的系統(tǒng),涉及到的研究問題較多。本文主要研究其中比較關(guān)鍵的兩個問題:一是如何從生物進(jìn)化得到的優(yōu)化問題算例中獲取知識?二是知識進(jìn)化問題。
4、> 實際工程技術(shù)領(lǐng)域的優(yōu)化問題一般都可以抽象為函數(shù)優(yōu)化問題,配電網(wǎng)重構(gòu)問題也不例外。因此,本研究首先針對函數(shù)優(yōu)化問題展開,進(jìn)而應(yīng)用到工程實際之中。關(guān)于知識的獲取問題,我們將待優(yōu)化函數(shù)按其特征聚類,預(yù)先設(shè)想具有相同特征的同類函數(shù)在利用進(jìn)化計算求解時,采用相同控制參數(shù);而歸為其它類型的函數(shù)則適宜采用另外的控制參數(shù)求解。因而,知識獲取問題便轉(zhuǎn)化為函數(shù)聚類問題。在函數(shù)聚類時提出了兩種方法:一種方法是基于函數(shù)適應(yīng)度地貌,借助圖形圖像中紋理分析的
5、相關(guān)概念和方法,用灰度共生矩陣描述二元函數(shù)圖像的特征,以此對函數(shù)聚類;另一種方法是基于函數(shù)表達(dá)式的聚類,將構(gòu)造相同的函數(shù)歸為同一類。從而采用遺傳算法獲取若干類函數(shù)的策略優(yōu)選知識,通過實驗證實,上述思路和方法是可行并且有效的:具有相似地貌特征或是相同模式的函數(shù)構(gòu)造式的同類函數(shù)在進(jìn)行遺傳算法求解時的確具有相同的最優(yōu)參數(shù)和策略設(shè)置。因此,可以借助所獲得的知識指導(dǎo)生物進(jìn)化(在求解新問題時)。
關(guān)于知識進(jìn)化問題,以科學(xué)知識進(jìn)化論的哲學(xué)思
6、想為理論依據(jù),借鑒生物進(jìn)化的過程,提出了知識進(jìn)化系統(tǒng),并在此基礎(chǔ)上分別提出了基本知識進(jìn)化算法和基于范式轉(zhuǎn)換的知識進(jìn)化算法,設(shè)計了知識適應(yīng)度評價函數(shù)和知識進(jìn)化算子:傳承算子實現(xiàn)對優(yōu)秀知識個體的傳承,創(chuàng)新算子來產(chǎn)生新的知識個體,通過進(jìn)化獲得水平更高的知識集合。用實例數(shù)據(jù)和經(jīng)典函數(shù)優(yōu)化驗證了知識進(jìn)化算法的可行性和有效性。
針對配電網(wǎng)重構(gòu)問題,在詳細(xì)分析配電網(wǎng)重構(gòu)問題特點的基礎(chǔ)上,結(jié)合前推回代法進(jìn)行網(wǎng)絡(luò)的潮流計算,以結(jié)構(gòu)數(shù)組的方式存儲
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 進(jìn)化穩(wěn)定策略在配電網(wǎng)重構(gòu)及規(guī)劃中應(yīng)用的研究.pdf
- 改進(jìn)動態(tài)差分進(jìn)化算法在配電網(wǎng)重構(gòu)上的研究.pdf
- 基于協(xié)同進(jìn)化算法的配電網(wǎng)重構(gòu)研究.pdf
- 遺傳算法在配電網(wǎng)重構(gòu)中的應(yīng)用研究.pdf
- 遺傳退火算法在城市配電網(wǎng)重構(gòu)中的應(yīng)用.pdf
- 基于粒子群和差分進(jìn)化算法的新型混合算法在配電網(wǎng)重構(gòu)中的應(yīng)用.pdf
- 配電網(wǎng)重構(gòu)算法的研究.pdf
- 基于進(jìn)化算法的10kV配電網(wǎng)絡(luò)重構(gòu)研究.pdf
- 啟發(fā)式算法在配電網(wǎng)絡(luò)重構(gòu)中的應(yīng)用研究.pdf
- 配電網(wǎng)絡(luò)重構(gòu)算法的研究.pdf
- 基于食物鏈生態(tài)進(jìn)化算法的配電網(wǎng)重構(gòu).pdf
- 基于進(jìn)化穩(wěn)定策略的配電網(wǎng)重構(gòu)研究.pdf
- 城市配電網(wǎng)絡(luò)重構(gòu)的算法研究.pdf
- D-STATCOM算法研究及其在油田配電網(wǎng)中的應(yīng)用.pdf
- 種群規(guī)模自適應(yīng)的遺傳算法在配電網(wǎng)重構(gòu)中的應(yīng)用.pdf
- 含有微電網(wǎng)的配電網(wǎng)絡(luò)重構(gòu)及其優(yōu)化算法.pdf
- SNOP的研究及其在配電網(wǎng)中的應(yīng)用.pdf
- 配電網(wǎng)絡(luò)重構(gòu)算法在綿陽城區(qū)的應(yīng)用研究.pdf
- 萬有引力算法及其在配電網(wǎng)故障診斷與重構(gòu)中的應(yīng)用.pdf
- 魚群算法在配電網(wǎng)規(guī)劃中的應(yīng)用研究.pdf
評論
0/150
提交評論