LHS抽样遗传算法

文献[1]研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用拉丁超立方体抽样(LHS)的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献[2]中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。

微网中分布式电源容量的优化配置

微网电源容量的优化配置是进行微网规划的关键环节。文章在考虑风速、光照强度和负荷的相关性的基础上结合LHS技术生成相关性样本,论述了进行电源配置的方法和选择指标,建立了基于全寿命周期成本和供电可靠性的数学评价模型。初始数据为某地区的全年小时光照风速温度和小时负荷,利用多种群遗传算法对模型进行求解,得出配置情况。不同的可靠性指标也会得出不同的配置结果和成本。