1、量子進(jìn)化算法(Quantum-inspired Evolutionary Algorithm，QIEA)是一種以量子計(jì)算和進(jìn)化算法結(jié)合的概率搜索方法，是進(jìn)化算法家族中的后起之秀。與傳統(tǒng)進(jìn)化算法相比，量子進(jìn)化算法在“勘探”和“開(kāi)采”之間更容易取得平衡，具有全局搜索能力強(qiáng)、收斂速度快和種群規(guī)模小等優(yōu)點(diǎn)，但QIEA在解決一些復(fù)雜優(yōu)化問(wèn)題時(shí)容易過(guò)快收斂，從而出現(xiàn)早熟現(xiàn)象得不到最優(yōu)解，仍需要進(jìn)一步提高搜索能力。目前國(guó)內(nèi)外對(duì)量子進(jìn)化算法的研究有許多

2、改進(jìn)策略，其中一個(gè)重要研究方向正是通過(guò)與其他優(yōu)化算法相結(jié)合，形成新的進(jìn)化搜索算法，這是基于各種優(yōu)化算法都有各自的優(yōu)缺點(diǎn)，不同優(yōu)化算法的合理結(jié)合能很大程度上增強(qiáng)優(yōu)勢(shì)，彌補(bǔ)劣勢(shì)的研究理念。本文將量子進(jìn)化算法與擅長(zhǎng)局部搜索的貪婪隨機(jī)自適應(yīng)搜索算法相結(jié)合，提出一種新的混合量子進(jìn)化算法并將其應(yīng)用到城市配電網(wǎng)規(guī)劃優(yōu)化中。
　　 變電站規(guī)劃是城市配電網(wǎng)規(guī)劃工作中的重要部分，變電站規(guī)劃結(jié)果直接影響到電力網(wǎng)絡(luò)投資，供電可靠性和運(yùn)行經(jīng)濟(jì)性。本文將H

3、QIEA應(yīng)用到某地區(qū)110kV變電站規(guī)劃工作中，實(shí)驗(yàn)結(jié)果表明該方法很好的完成了對(duì)該地區(qū)變電站選址定容的規(guī)劃優(yōu)化，符合該地區(qū)電力需求和未來(lái)電網(wǎng)建設(shè)趨勢(shì)，對(duì)該地區(qū)電網(wǎng)規(guī)劃建設(shè)有重要參考意義。
　　 論文主要工作及研究成果如下:
　　 1、對(duì)量子進(jìn)化算法的基本理論進(jìn)行概述，指出要解決的問(wèn)題并給出量子進(jìn)化算法的算法流程圖和實(shí)現(xiàn)過(guò)程。以0/1背包問(wèn)題為測(cè)試函數(shù)，將傳統(tǒng)進(jìn)化算法——遺傳算法作為對(duì)比算法，在實(shí)驗(yàn)中對(duì)這兩種算法進(jìn)行測(cè)試。

4、實(shí)驗(yàn)結(jié)果表明，量子進(jìn)化算法有著更好的“勘探”能力，相比遺傳算法在求解組合優(yōu)化問(wèn)題方面有著更優(yōu)越性能，有著重要的研究?jī)r(jià)值，為后面內(nèi)容打下基礎(chǔ)。
　　 2、為提高量子進(jìn)化算法的搜索性能，加強(qiáng)其“開(kāi)采”能力，探討了五種當(dāng)前文獻(xiàn)中有代表性的局部搜索方法。對(duì)這幾種局部搜索方法進(jìn)行了性能比較，概述了它們的優(yōu)缺點(diǎn)，并用0/1背包問(wèn)題對(duì)它們進(jìn)行測(cè)試。將搜索性能最好的貪婪隨機(jī)自適應(yīng)搜索與量子進(jìn)化算法結(jié)合，提出一種新混合量子進(jìn)化算法。通過(guò)0/1背包

5、問(wèn)題測(cè)試驗(yàn)證該算法性能，實(shí)驗(yàn)中與當(dāng)前文獻(xiàn)中的幾種方法進(jìn)行了比較，得出該混合量子進(jìn)化算法具有比較滿意的全局搜索能力和局部搜索能力，在求解組合優(yōu)化問(wèn)題上有著優(yōu)越的性能。
　　 3、將混合量子進(jìn)化算法應(yīng)用到變電站規(guī)劃優(yōu)化中，以某地區(qū)110kV變電站優(yōu)化為實(shí)際案例進(jìn)行試驗(yàn)，并以現(xiàn)有文獻(xiàn)中的方法作對(duì)比分析，實(shí)驗(yàn)結(jié)果表明混合量子進(jìn)化算法能很好的求解變電站規(guī)劃優(yōu)化問(wèn)題，得到的優(yōu)化方案合理可行，且能達(dá)到投資最省，運(yùn)行經(jīng)濟(jì)及供電可靠的規(guī)劃優(yōu)化目標(biāo)