改进遗传算法在无功优化算法中的应用

无功优化是电力系统运行中的一个典型难题,遗传算法具有线性时间复杂度和全局收敛的特点,正好适合于该问题的求解。文章首先对遗传算法进行了探讨,对其中的杂交算子作了较为深入的研究,提出了一种新型的启发式杂交算子,克服了传统算术杂交算子中经常发生的“种群早熟”问题。为了提高求解速度,结合无功优化问题和遗传算法的特点对其中潮流计算的运算精度进行了动态控制。通过对IEEE30节点测试算例的求解,证明了本文提出的改进遗传算法具有很强的全局寻优能力,求解速度比传统遗传算法快了近1倍。

一种求解TSP问题的改进遗传算法

遗传算法(GA)是基于生物进化论的一种全局优化搜索算法,是求解TSP问题的一种方法,但它存在如何较快地找到最优解并防止"早熟"收敛的问题。结合TSP问题最优解一般包含城市与其最近城市的相连的特点,提出了贪婪两点插入变异算子,改进了启发式杂交算子,并根据个体适应度与群平均适应度根据个体的适应度赋予不同的变异概率,使得较好的个体探测路径,较差个体开发新个体。对初始群体作局部优化提高其质量加快算法的收敛速度,最优个体连续几代一直保留,则采用局部微调算子使子代中的最优个体跳离局部解。通过实验分析,改进的算法能较快的收敛到TSP问题的已知最优解;其测试结果与国际标准测试库TSPL IB中的最优路径相比,或接近或优于。