一種基于asu策略的多目標粒子群優(yōu)化算法
【專利摘要】一種基于ASU策略的多目標粒子群優(yōu)化算法，該優(yōu)化算法利用基于ASU策略進行精英集縮減，能提高最優(yōu)解分布的均勻性和多樣性，且能搜索到相對更優(yōu)的解，從而提高最終結(jié)果的可靠性；它對于一個多目標優(yōu)化問題，在精英集縮減過程中，將粒子群分成若干個網(wǎng)格，然后在每個網(wǎng)格中，提出利用逐步更新的歐氏擁擠距離去篩選粒子，避免一次性剔除一群集中的粒子而破壞解分布的多樣性和均勻性，且能搜索到相對更優(yōu)的解。
【專利說明】—種基于ASU策略的多目標粒子群優(yōu)化算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及的是一種基于ASU (Asynchronous-Stepwise Updated,異步-逐步更新)策略的多目標粒子群優(yōu)化算法，屬于電力系統(tǒng)規(guī)劃【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]隨著我國經(jīng)濟的高速發(fā)展和電力系統(tǒng)的不斷擴大，人們對供電的安全性、可靠性、質(zhì)量等方面的要求也日益增長，勢必需要大量的輸變電工程投入到電網(wǎng)建設(shè)中。為應(yīng)對電網(wǎng)建設(shè)需求，每年都會大量的輸變電工程上報。在這些工程中，有一部分是電網(wǎng)建設(shè)需要的，他們能解決電網(wǎng)的某個缺陷，但另外有一部分也是沒有必要的，或者上報的方案并不是最優(yōu)的，需要替換為更好的實施方案。如何在大量的工程中選擇需要的，并且以一種最好的方案進行實施，對于電網(wǎng)建設(shè)決策者而言，至關(guān)重要。
[0003]輸變電工程立項決策方法的基本任務(wù)是對上報申請的待選項目，根據(jù)對電網(wǎng)的全面評價確定其是否有必要立項，如果立項，則合理地決策用哪一種方案進行針對性地改造和建設(shè)，從而使規(guī)劃方案能滿足電網(wǎng)安全可靠運行要求，適應(yīng)電力發(fā)展要求，同時使能源資源得到合理的優(yōu)化配置。
[0004]輸變電工程立項決策問題是一個非線性、多階段、多目標的復(fù)雜優(yōu)化問題。目前，對于輸變電工程立項決策問題往往建立成一個多目標優(yōu)化模型，利用傳統(tǒng)的基于擁擠距離策略的方法求解時，一次性剔除小于某個距離的所有粒子，導(dǎo)致部分區(qū)域粒子缺失，且不適用于高維模型；而利用基于網(wǎng)格策略的方法求解時，會存在兩個非常相近的非支配解被劃分到兩個相鄰格子而一直留在解集中這樣的不足?？梢妭鹘y(tǒng)的方法求解時不能很好地保持解的多樣性和分布的均勻性，從而導(dǎo)致最后得到的結(jié)果并非最優(yōu)的。因此，急需一種能較好保持解多樣性和分布的均勻性的多目標優(yōu)化算法求解輸變電工程立項決策問題，從而為工程實際提供更加可靠的參考結(jié)果。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是為了在多目標粒子群優(yōu)化方法中，提高計算結(jié)果的最優(yōu)性和可靠性，為此，本發(fā)明提供了一種基于ASU策略的多目標粒子群優(yōu)化算法，該方法利用ASU策略進行精英集縮減，提聞最優(yōu)解分布的均勻性和多樣性，且能搜索到相對更優(yōu)的解，從而提聞最終結(jié)果的可靠性。
[0006]本發(fā)明的目的是通過如下技術(shù)方案來實現(xiàn)的，所述的優(yōu)化算法包括如下步驟:
[0007](I)種群初始化。設(shè)置精英集為空；迭代次數(shù)t=0，在控制變量變化范圍內(nèi)，隨機初始化粒子群，每個粒子的個體極值和全局極值均為初始位置，設(shè)定精英集規(guī)模；
[0008](2)計算每個粒子的目標函數(shù)的適應(yīng)值；
[0009](3)判斷是否滿足結(jié)束準則，達到最大允許迭代次數(shù)或最優(yōu)解對應(yīng)的目標函數(shù)值在給定的迭代步數(shù)內(nèi)改變量小于給定值時，停止優(yōu)化并輸出結(jié)果，形成Pareto最優(yōu)解；否則迭代次數(shù)t=t+l，轉(zhuǎn)到步驟(4)；[0010](4)根據(jù)Pareto支配，比較各個粒子之間的優(yōu)劣，構(gòu)造粒子群的非支配解集；
[0011](5)通過比較非支配解集和精英集中粒子的Pareto支配關(guān)系,更新精英集；
[0012](6)判斷精英集規(guī)模是否超過給定規(guī)模，若超過，則利用ASU策略縮減至給定的規(guī)模，并轉(zhuǎn)到步驟(7);反之，直接轉(zhuǎn)到步驟(7)；
[0013](7)更新粒子的個體極值和全局極值；
[0014](8)更新每個粒子的位置和速度，構(gòu)造新的粒子，轉(zhuǎn)到步驟(2)。
[0015]所述步驟(5)中，在精英集的規(guī)模超出給定規(guī)模時，利用ASU策略進行縮減，即將粒子群分成若干個網(wǎng)格，然后在每個網(wǎng)格中，利用逐步更新的歐氏擁擠距離去篩選粒子，即每計算一次歐氏擁擠距離之后，剔除歐氏擁擠距離最小的精英解，然后再計算一次歐氏擁擠距離，再剔除此時歐氏擁擠距離最小的精英解，按此方法，直至縮減到規(guī)定的精英集規(guī)模；其中歐氏擁擠距離d表示為
【權(quán)利要求】
1.一種基于ASU策略的多目標粒子群優(yōu)化算法，其特征在于該優(yōu)化算法包括如下步驟: (1)種群初始化，設(shè)置精英集為空；迭代次數(shù)t=0，在控制變量變化范圍內(nèi)，隨機初始化粒子群，每個粒子的個體極值和全局極值均為初始位置，設(shè)定精英集規(guī)模； (2)計算每個粒子的目標函數(shù)適應(yīng)值； (3)判斷是否滿足結(jié)束準則，達到最大允許迭代次數(shù)或最優(yōu)解對應(yīng)的目標函數(shù)值在給定的迭代步數(shù)內(nèi)改變量小于給定值時，停止優(yōu)化并輸出結(jié)果，形成Pareto最優(yōu)解；否則迭代次數(shù)t=t+l，轉(zhuǎn)到步驟(4); (4)根據(jù)Pareto支配，比較各個粒子之間的優(yōu)劣，構(gòu)造粒子群的非支配解集； (5)通過比較非支配解集和精英集中粒子的Pareto支配關(guān)系,更新精英集； (6)判斷精英集規(guī)模是否超過給定規(guī)模，若超過，則利用ASU策略縮減至給定的規(guī)模，并轉(zhuǎn)到步驟(7);反之，直接轉(zhuǎn)到步驟(7)； (7)更新粒子的個體極值和全局極值； (8)更新每個粒子的位置和速度，構(gòu)造新的粒子，轉(zhuǎn)到步驟(2)。
2.根據(jù)權(quán)利要求1所述基于ASU策略的多目標粒子群優(yōu)化算法，其特征在于所述步驟5中，在精英集的規(guī)模超出給定規(guī)模時，利用ASU策略進行縮減，即將粒子群分成若干個網(wǎng)格，然后在每個網(wǎng)格中，利用逐步更新的歐氏擁擠距離去篩選粒子，即每計算一次歐氏擁擠距離之后，剔除歐氏擁擠距離最小的精英解，然后再計算一次歐氏擁擠距離，再剔除此時歐氏擁擠距離最小的精英 解，按此方法，直至縮減到規(guī)定的精英集規(guī)模；其中歐氏擁擠距離d表示為
【文檔編號】G06N3/12GK103854131SQ201410016605
【公開日】2014年6月11日 申請日期:2014年1月14日 優(yōu)先權(quán)日:2014年1月14日
【發(fā)明者】孫可, 鄭朝明, 丁曉宇, 陳宏偉, 寧康紅, 徐凱, 江全元, 鄒楊, 鄭曉, 趙萌 申請人:國家電網(wǎng)公司, 國網(wǎng)浙江省電力公司, 浙江省電力設(shè)計院