模拟退火算法虽然有大概率求得全局最优解的优势但是在计算过程中需要使得每一冷却步达到状态分布平衡这十分消耗时间。此外模拟退火算法属于单点寻优一般与其他算法结合共同使用如已有学者提出遗传算法和模拟退火算法共同求解配电线路规划的可行方案。搜索禁忌搜索简称的思想最早由提出它是对局部领域搜索的一种扩展是一种全局逐步寻优算法是对人类智力过程的一种模拟。算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索并通过藐视准则来赦免一些被禁忌的优良状态从而来保证该有效探索的多样化最终可以实现对于全局的优化。相对于模拟退火算法和遗传算法禁忌搜索的特点又有所不同…。迄今为止禁忌搜索算法在生产调度、组合优化、电路设计、机器学习以及神经网络等诸多领域取得了很大的成功近年来的研究热点主要集中在函数全局优化方面并且发展趋势越来越好。搜索常用于求解大规模组合最优问题是一种可以避开局部最优解的搜索方法它通过对历史数据进行记录之后获得的知识指导后续搜索方向又可称为列表寻优法而“上山”性是搜索区别于其他优化方法的最大特点。“邻居”和“保留期”是搜索中的两个关键概念搜索一般从随机方法或启发式方法产生的初始解出发通过“移动”操作求得当前解的邻居试验解并从中选择最能改善评价函数的更新为当前最优解。
在此基础上不断重复先前的搜索过程直至满足预设的停止规则为止。搜索算法的流程图以及基本流程如下电力人学硕学位论文幽搜索流程图为算法参数赋值之后通过随机原则产生初始解再将禁忌表清空。判断是否达到算法的结束条件若满足结束条件则立即结束本算法并输出当前的优化结果否则继续进行下列步骤。通过邻域函数求当前解的部分邻域解也可选择产生全部产生并从这些解中确定一些候选解。针对候选解判断藐视准则的成立条件。若满足该条件则将满足准则的最佳状态设为新的当前解替代旧的当前解也就是实现操作同时需要替换最早进入禁忌列表的禁忌对象替换方法是利用与对应的禁忌对象替换同时用替换“”状态完成后转到步骤如果不满足条件则继续以下步骤。判断候选解所对应的众对象各自的禁忌属性确定新的当确定的原则是选择候选解集中非禁忌对象对应的最佳状态与此同时利用与之对应的禁忌对象元素替换进入禁忌表时问最早的禁忌对象元素。跳转到步骤重复迭代。华北电力大学硕士学位论文算法虽然具有一定的求解优越性但是毕竟是邻域搜索的一种扩充在实际配电线路规划问题中也存在着若干实际问题。例如邻域结构的合理设计是制约算法效率的关键因素而在配电线路规划中实现合理地邻域结构没计具有较大难度。
此外当邻域结构可以决定大量邻域解时互换次数会几何上升候选解的迭代效率也会大幅下降。最后终止准则的确定决定了系统的优化性能和时间性能而何时的终止准则在配电线路规划结束之前往往难以确定算法一直没有找到最优解原因。粒子群优化算法粒子群优化又称微粒群算法等于年开发的一种演化计算技术来源于对一个简化社会模型的模拟。粒子群优化法以群体智能演化计算技术为基础具有实现简单、收敛速度迅捷、鲁棒性优异等特点相比传统随机方法它具有更高的效率并有很大概率找到全局最优解。标准算法的基本流程如下初始化一群群体规模为的微粒需要包括随机的位置和速度两项内容。分别评价每个微粒各自的适应度。对于每一个微粒将该微粒的适应值和它曾经经历过的最好的位置作出比较如果结果表明较好则将其作为当前的最好位置对于每一个微粒将该微粒的适应值和全局所经历过的最好位置作出比较如果结果表明较好则重新设置的索引号。根据方程对微粒的位置和速度作出变更。终止条件一般为足够好的适应值或者是达到一个预设最大代数如没有满足类似的终止条件则返回步骤继续迭代。在标准算法中忽略了所有其他微粒的可用信息微粒的信息交互范围仅限于当前最优微粒。在某些特殊条件下如当前最优解恰好为一个局部最优解有可能出现所有微粒收敛于该位置后的呆滞行为即无法跳出局部最优。
实际大规模配电线路规划问题中经常包含有复杂多峰搜索而这恰恰是算法的最大局限性。华北电力人学硕上学位论文人工神经网络算法人工神经网络或称为神经网络是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法数学模型虽然单个神经元的结构极其简单功能有限但是大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的算法一直没有找到最优解原因。人工神经网络反映的基本特性都是基于人脑功能但并不是真正生物系统逼真和确切描述只是对其的简化、模仿和抽象。与当今纯数字表示的计算机对比人工神经网络在功能特点和构成原理等方面更加接近真实的人脑人工神经网络不是像一般电子计算机那样按给定的程序按顺序步骤执行运算而是能够通过自身来不断适应环境、对规律进行总结归纳、完成某种特定识别、运算或过程控制。目前使用的神经网络模型有多种但总体上上还是分为两大类前馈式神经网络和反馈式神经网络。如图前馈式神经网络图华北力大学顾学位论文输入层输出层反馈式神经网络图前馈式神经网络。各个神经元接受前一层的输入并输出给下一层同时没有信号反馈。主要的代表性神经网络有神经网络和径向基函数神经网络等。反馈式神经网络。所有节点都是计算单元同时也可接收输入并向外界输出且在网络中至少含有一个反馈回路。
代表性的神经网络有离散型和连续型神经网络等。神经网络通过使能量函数降至最低值的方法可以方便地求得规划问题的最优或近似最优解但是在计算过程中系数的选择对结果具有较大影响而这些系数在实际大规模配电线路规划中又难以精确获知。对于个别线路使用人工神经网络的求解方法可能会陷入局部最小问题因此人工神经网络通常与其他启发式算法结合使用。本章小结综上所述目前在科研和工程领域常见的配电线路规划算法可以分为启发式算法和经典数学优化算法两大类。经典数学优化方法从理论上保证了系统一定可以求得最优解但是在真实系统实现的过程中发现其计算量往往过大拥有很多实际困难。对于启发式算法可以分为传统启发式算法、专家启发式算法和现代启发式算法三大类。华北电力大学硕士学位论文支路交换算法和最小生成树算法是传统启发式算法的代表他们的共同特点是具有较高的计算效率但是在实际工程问题中容易陷入局部最优解并无法跳出。专家启发式算法是近年来发展较快的一种先进的理论但是目前在应用实践方面还不够成熟因此亟待进一步深入研究。以遗传算法为代表的现代启发式算法具有较好的全局寻优能力但是计算效率比其他方法低并且在实际配电线路规划问题求解中都有着各自的缺陷。
另外在实际规划问题中配电网节点数目一般比较庞大现代启发式方法都会或多或少的出现“维数灾”这以研究与应用难点。尽管如此现代启发算法所拥有的各类良好的特性决定了该方法是未来配电线路规划方法的主要研究发展方向。华北力人学硕学位论文第章蚁群算法研究与分析蚁群算法概述通过第章相关理论的研究发现多种现代启发式算法在近些年已经取得了快速的发展并有了长足的进步具有良好的全局寻优能力但是计算效率相对其他方法来说较低并且在实际配电线路规划问题求解中都有着各自的缺吲。随着时代的发展和科学研究技术水
