基于对立策略的螺栓遗传算法

为进一步提高螺栓遗传算法的优化效率,加速寻优过程,提出基于对立策略的螺栓遗传算法。该算法在种群初始化阶段和变异阶段均用对立取代随机方式,提高产生解的质量。利用测试函数对算法的效率进行检验,将其与差分算法、遗传算法、粒子群算法和螺栓遗传算法进行对比,结果表明,新算法具有更快的收敛速度和更高的求解精度。

基于八种智能算法的配电网络重构计算平台及其性能

采用8种基于群体的智能算法构建了一个求解配电网重构问题的计算平台,以期寻求到一个适合于求解该问题的智能算法。平台中不同算法之间仅算法主体部分不同,配电网重构模型和基本环路搜索等模块完全一致,种群规模、精英数量等公共参数也完全相同。文中给出了各种算法的基本原理和求解步骤,以IEEE 33节点系统为例测试了算法参数的敏感性,对比了各种算法的性能差别,并使用IEEE 16节点和PG&E69节点测试系统对算法的适应性做了进一步比较。测试得到的目标函数平均值、收敛到最优解的比例、计算时间以及对系统规模适应性等方面的结果表明:螺栓遗传算法(Stud GA)性能最优、生物地理学优化算法(BBO)次之、其他算法在不同的测试系统中表现的性能不一致。Stud GA具有操作简单、参数少、收敛到最优解的概率高、计算时间短等优点,适合用于求解配电网重构问题。