力。Р1.3.3 现代优化方法Р输电网络规划问题除了全局最优解外,一般还存在若干局部最优解,因此用传统的启发式或数学优化方法求解这类问题时,一般只能获得局部最优解而难以获得全局最优解,特别是当网络规模较大时更是如此。现代优化方法是模拟自然界中一些“优化”现象研究出的一类比较新的优化求解算法,适用于求解组合优化问题以及目标函数或某些约束条件不可微的非线性优化问题。它比较接近于人类的思维方式,易于理解,用这类算法求解组合优化问题在得到最优解的同时也可以得到一些次优解,便于规划人员研究比较。这类算法主要有:模拟退火算法[4],Tabu搜索法[5],蚁群算法[6],遗传算法[7]等。Р遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。它通过编码将规划方案转变为一组组染色体,并列出一组待选方案作为祖先(初始可行解),以适应函数的优劣来控制搜索方向,通过遗传、交叉、变异等操作逐步收敛到最优解。同传统算法相比,遗传算法具有多路径搜索、隐并行性、随机操作等特点,对数据的要求低,不受搜索空间的限制性约束,不要求连续性、导数存在、单峰等假设,可以考虑多种目标函数和约束条件。作为一种人工智能方法,遗传算法特别适合于整形变量优化问题求解。因此,遗传算法在电网规划中有着广泛的应用前景。目前有文献对遗传算法进行了一些改进和研究[8][9]。Р本文工作Р虽然遗传算法具有很多的优点,但传统的遗传算法在用于求解大规模电网规划问题时仍表现出收敛性不够理想的情况。本文对一种量子计算与遗传算法相结合的算法——量子遗传算法进行了改进并将其应用于电网规划问题中,采用MATLAB编制了传统的及改进的量子遗传算法输电网络规划程序,对一个10节点扩建为18节点的电力系统算例进行了计算。对计算结果的分析比较表明,改进后的量子遗传算法在收敛性及寻优效率上都更为优越,Р更加适用于电网规划问题。
全文预览
