近年來，進化算法的研究進入了快速發(fā)展階段，越來越多的研究開發(fā)人員開始從事進化算法的設計與實現(xiàn)。進化算法能夠比較完美地解決常規(guī)數(shù)學無法求解的不可微、多目標的數(shù)學優(yōu)化問題，在工程實踐中也得到了較多廣泛的應用。本書全面闡述了進化算法在國內(nèi)外研究現(xiàn)狀和發(fā)展，討論了多種進化算法的概念和原理，結(jié)合作者及團隊近些年來在配電網(wǎng)的研究成果與應用實踐，論述了進化算法在電力系統(tǒng)中的計算與優(yōu)化方法，力求使讀者通過閱讀本書獲得一條應用進化算法到實際電力工業(yè)應用的捷徑，而這一點是目前多種書籍所沒有涉及的。
更多科學出版社服務，請掃碼獲取。
目錄
前言
第1章 智能配電網(wǎng)概述 1
1.1 智能配電網(wǎng)的概念 1
1.2 智能配電網(wǎng)的特征 1
1.2.1 智能配電網(wǎng)規(guī)劃方面 2
1.2.2 智能配電網(wǎng)運行與控制方面 3
1.3 進化算法的研究趨勢 8
1.3.1 進化計算 8
1.3.2進 化神經(jīng)網(wǎng)絡 9
參考文獻 10
第2章 遺傳算法 11
2.1 引言 11
2.2 遺傳算法的理論分析 11
2.2.1 基本原理 11
2.2.2 基本概念與要素 12
2.2.3 性能指標 20
2.2.4 算法流程 21
2.3 遺傳算法在求解無功優(yōu)化中的應用 23
2.3.1 遺傳模擬退火算法 23
2.3.2 無功優(yōu)化問題的數(shù)學模型 24
2.3.3 自適應遺傳模擬退火算法 25
2.3.4 算例分析 29
參考文獻 30
第3章 粒子群算法 32
3.1 引言 32
3.2 粒子群算法理論基礎 33
3.2.1 標準粒子群算法 33
3.2.2 標準粒子群算法變體 36
3.2.3 混合粒子群算法 40
3.3 粒子群算法在智能配電網(wǎng)中的應用 43
3.3.1 智能配電網(wǎng)優(yōu)化分析數(shù)學模型 44
3.3.2 智能配電網(wǎng)優(yōu)化建模方法 44
3.4 粒子群算法的程序?qū)崿F(xiàn) 45
3.4.1 標準粒子群算法 45
3.4.2 標準粒子群算法變體 46
3.4.3 混合粒子群算法 46
3.5 粒子群算法實驗結(jié)果 48
3.5.1 智能配電網(wǎng)優(yōu)化算例 48
3.5.2 計算結(jié)果分析 51
3.5.3 算法收斂性分析 54
3.6 粒子群算法的分析與討論 54
參考文獻 54
第4章 進化規(guī)劃算法 56
4.1 引言 56
4.2 進化規(guī)劃算法理論基礎 56
4.2.1 標準進化規(guī)劃 56
4.2.2 元進化規(guī)劃 57
4.2.3 自適應進化規(guī)劃 57
4.2.4 柯西變異進化規(guī)劃 58
4.2.5 單點變異進化規(guī)劃 59
4.2.6 混合策略進化規(guī)劃 59
4.2.7 博弈進化規(guī)劃 59
4.2.8 多群競爭進化規(guī)劃 60
4.3 進化規(guī)劃在配電網(wǎng)無功優(yōu)化中的應用 60
4.3.1 配電網(wǎng)無功優(yōu)化數(shù)學模型 60
4.3.2 配電網(wǎng)無功優(yōu)化進化規(guī)劃建模 63
4.4 進化規(guī)劃的程序?qū)崿F(xiàn) 66
4.4.1 標準進化規(guī)劃 66
4.4.2 博弈進化規(guī)劃 67
4.4.3 多群競爭進化規(guī)劃 67
4.5 進化規(guī)劃實驗結(jié)果 68
4.5.1 配電網(wǎng)無功優(yōu)化算例 68
4.5.2 計算結(jié)果分析 68
4.5.3 算法收斂性分析 70
4.6 進化規(guī)劃的分析與討論 71
參考文獻 71
第5章 多目標進化算法 73
5.1 引言 73
5.2 多目標優(yōu)化理論基礎 73
5.2.1 多目標優(yōu)化方法的定義 74
5.2.2 非支配解 74
5.3 強度Pareto進化算法 75
5.4 改進型非支配排序遺傳算法 80
5.4.1 經(jīng)典的NSGA-II算法 80
5.4.2 改進的排序策略 80
5.4.3 改進的選擇截斷策略 81
5.4.4 改進的變異與交叉策略 83
5.4.5 最優(yōu)解的選取 83
5.5 應用案例 84
5.5.1 基于NSGA-II算法的分布式電源選址定容優(yōu)化 84
5.5.2 基于NSGA-II算法的分布式電源與微電網(wǎng)分組協(xié)調(diào)優(yōu)化 94
5.6 多目標進化算法的分析與討論 102
參考文獻 102
第6章 差分進化算法 104
6.1 引言 104
6.2 基本差分進化算法 105
6.2.1 基本原理 105
6.2.2 基本要素 106
6.2.3 基本流程 107
6.2.4 差分進化算法的其他形式 108
6.2.5 差分進化計算的群體智能搜索策略分析 108
6.2.6 控制參數(shù)對算法性能的影響 109
6.3 差分進化算法的改進 110
6.3.1 傳統(tǒng)差分進化算法存在的問題 110
6.3.2 控制參數(shù)的改進 111
6.3.3 差分進化策略的改進 113
6.3.4 相關混合算法 115
6.3.5 評價指標 117
6.4 差分進化算法的應用概況 118
6.4.1 函數(shù)優(yōu)化 118
6.4.2 組合優(yōu)化 118
6.4.3 神經(jīng)網(wǎng)絡訓練 119
6.4.4 機器人學 119
6.4.5 其他應用領域 119
6.5 差分進化算法在智能配電網(wǎng)中的應用 120
6.5.1 差分進化算法在分布式電源選址定容問題中的應用 120
6.5.2 差分進化算法在狀態(tài)估計問題中的應用 127
6.6 差分進化算法展望 130
參考文獻 131
第7章 蟻群算法 134
7.1 引言 134
7.2 蟻群算法理論基礎 136
7.2.1 基本蟻群算法 136
7.2.2 蟻群算法的研究現(xiàn)狀 139
7.2.3 蟻群算法的最新進展 141
7.3 混沌蟻群算法 143
7.3.1 混沌理論 143
7.3.2 人工蟻群 147
7.3.3 混沌蟻群算法特點 149
7.4 無功優(yōu)化案例背景 149
7.5 蟻群算法的程序?qū)崿F(xiàn) 151
7.5.1 蟻群算法流程 151
7.5.2 控制變量處理 152
7.5.3 混沌蟻群算法實現(xiàn) 154
7.5.4 算例分析 155
7.6 蟻群算法發(fā)展趨勢和展望 158
參考文獻 160
第8章 和聲搜索算法 162
8.1 引言 162
8.2 和聲搜索算法基本原理 162
8.2.1 概述 162
8.2.2 和聲創(chuàng)作流程 163
8.2.3 和聲搜索算法計算流程 163
8.2.4 和聲搜索算法計算過程分析 165
8.2.5 和聲搜索算法收斂能力 166
8.3 和聲搜索算法與其他算法的對比 166
8.3.1 概述 166
8.3.2 算法對比 167
8.4 和聲搜索算法在有源配電網(wǎng)無功協(xié)調(diào)優(yōu)化中的應用 167
8.4.1 概述 167
8.4.2 問題建模 168
8.4.3 基于IHSA的求解流程 172
8.4.4 算例驗證 174
8.4.5 算法性能分析 180
8.5 基于MOHS算法的分布式電源選址定容優(yōu)化 181
8.5.1 概述 181
8.5.2 MOHS算法詳述 182
8.5.3 算例分析與比較 183
8.6 和聲搜索算法的分析與討論 188
參考文獻 188
第9章 其他相關進化算法 189
9.1 引言 189
9.2 理論基礎 190
9.2.1 萬有引力搜索算法 190
9.2.2 人工蜂群算法 193
9.2.3 布谷鳥算法 196
參考文獻 199
第10章 進化算法評價與選擇 202
10.1 引言 202
10.2 算例分析與比較 204
10.2.1 問題描述 204
10.2.2 優(yōu)化結(jié)果 205
10.2.3 計算時間 206
10.2.4 優(yōu)化效率 206
10.2.5 計算準確性分析 207
參考文獻 208
附錄 電力系統(tǒng)分析常用算例系統(tǒng) 209
附錄A IEEE33-bus配電系統(tǒng) 209
附錄B PG&E69-bus配電系統(tǒng) 210
附錄C IEEE3-bus配電系統(tǒng) 213
附錄D IEEE34-bus配電系統(tǒng) 216
附錄E IEEE37-bus配電系統(tǒng) 220
附錄F IEEE123-bus配電系統(tǒng) 224
書單推薦
