（计算机应用技术专业论文）遗传算法在电力系统经济调度中的应用研究.pdf

华北电力大学硕士学位论文 摘要 通过分析传统遗传算法在有功负荷分配中的应用，发现其在使用惩罚函数法处理 约束条件方面、适应度函数定标方面、局部搜索方面存在不足，针对这些不足，提出 一种改进的处理方法一直接比较一比例方法，同时将其与爬山算法结合，从而构 成了求解有功负荷分配问题的改进遗传算法，然后进行实验计算。计算结果表 明，用改进遗传算法求解有功负荷分配问题，可以在一定程度上克服传统遗传 算法在约束处理、适应度函数定标、局部搜索等方面存在的不足，从而得到质量较 高的解。 关键词：电力市场，有功负荷分配，传统遗传算法，约束处理，改进遗传算法 a b s t r a c t o nt h eb a s i so fa n a l y z i n gt h ea p p l i c a t i o no ft r a d i t i o n a lg e n e t i ca l g o r i t h m si n t h ea c t i v ep o w e rd i s p a t c h ，d i s c o v e r e dt h ew e a k n e s so fi ti n c o n s t r a i n t s h a n d l i n g u s i n gp e n a l t yf u n c t i o n s 、i nc o n f i r m i n gf i t n e s sf u n c t i o na n di nl o c a ls e a r c h ，t h i s p a p e rp u t s f o r w a r dai m p r o v e dm e t h o d - - d i r e c tc o m p a r i s o n - p r o p o r t i o n a lm e t h o d ， a n da l s ob u i l d sa i m p r o v e dg e n e t i c a l g o r i t h m s w h i c hi st h ec o m b i n a t i o no f h i l l c l i m b i n ga l g o r i t h ma n d i tf o rs o l v i n ga c t i v ep o w e r d i s p a t c hp r o b l e m ，a n dm a k e s s o m ee x p e r i m e n t a lc o m p u t a t i o n s t h ec o m p u t a t i o n a lr e s u l t sd e m o n s t r a t et h a tt h e i m p r o v e dg e n e t i ca l g o r i t h m s c a no v e r c o m et h ew e a k n e s so ft r a d i t i o n a l g e n e t i c a l g o r i t h m st o ac e r t a i ne x t e n t ，s ot h eh i g hq u a l i t ys o l u t i o n st ot h ea c t i v e p o w e r d i s p a t c hp r o b l e m c a nb eo b t a i n e d x i n gw e i j i a n ( c o m p u t e ra p p l i e dt e c h n o l o g y ) d i r e c t e db yp r o f z h a n gg u o l i k e yw o r d s ：e l e c t r i c p o w e rm a r k e t ，a c t i v ep o w e rd i s p a t c h i n g ，t r a d i t i o n a l g e n e t i ca l g o r i t h m s ，c o n s t r a i n t s - h a n d l i n g ，i m p r o v e dg e n e t i ca l g o r i t h m s 牮藏电力大学硕士学藏论文 摘要 运过分橱倦统逡簧箕法凌有功受蕊分憋中鳃应懑，发现其在毽t l 惩嚣蕊数法处理 约束条件方灏、适应度函数定标方而、局部搜索方丽存在不足，针对这些不足，提出 耱改进靛赴理方法一蠢接魄较一琵爨方法，霹辩将箕与释出算法垂套，扶露穗 成了求解脊功负荷分配嗣题的改进遗传算法，然后进行实验计算。计算结果表 嘲，楚改滋遂健算法求髅有功炱祷分配阕蘧，胃疆在一定糕淡上竞鞭稽绫遗簧 黪法在约絮处理、适应度灏数定撂、怒邦搜索等方蘸存巍麓不跫，麸蔼褥到矮基较 漪瓣解。 关键溺：魄力带场，有功受蘅分瓣，褥统遗费舅潦，戆索处镤，改避遗传冀法 a 敬s t r a c t o nt h eb a s i so f a n a l y z i n gt h ea p p l i c a t i o no f t r a d i t i o n a lg e n e t i ca l g o r i t h m si n t h ea c t i v ep o w e rd i s p a t c h ，d i s c o v e r e dt h ew e a k n e s so fi ti nc o n s t r a i n t s h a n d l i n g u s i n gp e n a l t yf u n c t i o n s 、i nc o n f i r m i n gf i t n e s sf u n o t i o na n d nl o c a ls e a r c h ，t h i s p a p e rp u t sf o r w a r dai m p r o v e dm e t h o d - - d i r e c tc o m p a r i s o n - p r o p o r t i o n a lm e t h o d ， a n da l s ob u i l d sa i m p r o v e dg e n e t i ca l g o r i t h m s w h i c hi st h ec o m b i n a t i o no f h i l l c l i m b i n ga l g o r i t h ma n d i tf o r s o l v i n ga c t i v ep o w e rd i s p a t c hp r o b l e m ，a n dm a k e s s o m ee x p e r i m e n t a lc o m p u t a t i o n s 。t h ec o m p u t a t i o n a lr e s u l t sd e m o n s t r a t et h a tt h e i m p r o v e dg e n e t i ca l g o r i t h m s c a no v e r c o m et h ew e a k n e s so ft r a d i t i o n a l g e n e t i c a l g o r i t h m st o ac e r t a i ne x t e n t ，s ot h eh i g hq u a l i t ys o l u t i o n st ot h ea c t i v ep o w e r d i s p a t c hp r o b l e m c a l lb eo b t a i n e d ， x i n gw e i j i a n ( c o m p u t e ra p p l i e dt e c h n o l o g y ) d i r e c t e d b yp r o f z h a n gg u o l i k e yw o r d s ：e l e c t r i c p o w e rm a r k e t ，a c t i v ep o w e rd i s p a t c h i n g ，t r a d i t i o n a l g e n e t i ca l g o r i t h m s ，c o n s t r a i n t s h a n d l i n g ，i m p r o v e dg e n e t i ca l g o r i t h m s 声明 涔人郑徽声明：此处所掇交的硕士学位论文遗传算法秘电力系统经济调度中的成 矮研究，楚零太奁华蘧电力大学玫读硬士孥链麓辩，在导酃指导下进孬夔磺究工终鞠 取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外。论文中不包含其 建入注经发表或撰写过戆磺究残暴，瞧不琶含为获褥牮携电力丈学或其德教育撬稳豹学 位或_ i 难书而使用过的材料。与我一同工作的同志对本研究所做的任何霸献均融在论文中 终了臻确熬说蹬著袭罨了谢意。 学位论文作者签名；趣缝建1 3 期：塑琏! ! ! ! 关于学位论文使用授权的说明 奉入完金了解华托电力大学有关傈留、使用学位论文韵规定，即：学校有权保管、 并向蠢关部门送交学佼论文驰原件与复印件；学校霹以采赠影印、缭印或其它复制手 段复制并保存学位论文：学校可允许学位论文被套阅或僭阕；学校可以攀术交流为 目的，复制赠送和交换学位论义；同意学校搿瞅用不惩方式程不同媒体上发袭、传播举 毽论文翡全躲或部分海容。 绺塞瓣学位 客文在簿骜蓐遵守魏囊定 作者签名；槛 日 期：蛰壤匮! 导师煞名_ 狴! 虱墨 华北电力大学硕士学位论文 第一章引言 1 1 本课题的研究背景及研究意义 在电力系统中，实现系统安全经济运行对国民经济发展具有重大的意义，因此 从2 0 世纪3 0 年代开始，世界各国对发电厂的经济负荷分配、系统的安全经济调度、 最优潮流等问题都作了深入的研究，并逐步的将各种优化调度方法应用到实际系统 中。 电力工业作为国民经济的基础产业，一直是国家支持的重点行业，在我国经济 发展中起着重要的作用，近年来电力市场在国内外的普遍运行，也将促进优化调度 理论更进一步发展。 在电力市场模式下，引入了竞争、增强了企业活力、降低了煤耗、节约了资源、 使电源结构得以调整，又可以避免发电厂商使用市场力，保证电力市场的稳定，同 时，引入竞争的电力市场使发电成本得以降低，给社会带来可观的经济效益，促进 电力系统健康有序的发展，增强了整个国家工业产品在国际市场的竞争力。 在电力市场条件下，电力系统安全调度是实现能量可靠交易的必要条件，是实 现电力系统的生产、管理、运行效益最优的基本保障“1 。在发电企业产权多元化、 用户可自由选择供电卖主的电力市场条件下，系统的安全经济调度成了电力系统安 全运行、调解供需矛盾、提高电能质量的保障。1 。 当前我国电力工业仍带有国家垄断性质，相对于完全放开的电力市场尚有很大 差别，但是随着多家办电局面的形成，各级电力公司也必然要逐步用市场机制来对 待和利用各家提供的电源，以满足电力工业不断发展的需要。因此，如何更好地对电 力系统安全经济调度和进行商业化运营，已成为当前的重要问题。 1 2 当前国内外发展动向 电力系统在垄断体制下的高成本、低效率所带来的损失已远远超过电力系统的 规模效益。因此世界上很多国家如英国、阿根廷、澳大利亚和美国都先后进行了电 力工业的改革，引入了竞争机制，建立了电力市场，取得了一些有益的成果。 我国也逐步放松了对电力的管制，积极地进行电力的市场化改革。 我国的电力市场运行机制刚刚开始试运行，在很多方面与国外电力市场有很大 的区别，我国在借鉴国外的电力市场运行经验和电力市场理论的同时，更加注意根 据我们独特的国情来发展自己的电力市场，走出一条适合于中国电网实际情况的电 力市场化之路。 1 华托奄力大学硕士学位论文 随羞经济体铡改革躲不断深入，社会主义市场经济体誊l 已基本建立，电力企业 也触在由计划经济体制向市场经济体制过渡的时期。由于投资多元化，形成了产权 多元化和利益多元化格局下的“统一电嘲”。这耪“统一电网”基不再怒原有爨义 的“统一魄网”，而是有了许多新内涵的“联合电网”。在这种“联合龟网”内部， 要求按照市场经济规律进行平等曩利的电力交易( 指电璧买卖) 的呼声越来越裹，传 统酌计划经济体制下的靠行政命令的统一调度受到了强烈挑战。传统的经济调度模 型融不再适应当前电网的发展形势，研究开放电力市场下耨型经济调度数学模型， 已成为一个新的课题“。 。3 电力系统袁凑负蔫分配算法 篷力系统受耱分配戆嚣爨夔麓我国电力倭翻戆毅擎秘毫秀豢场黟运行逐澎发 生改变，传统的负荷分配瞬标是满足系统总负荷、运行安全和供电质量的前提下系 绞燃辩总裁墨达到簸夺。嚣在电力枣殇搭麓下，惫霸戆嚣标是瀵是各耱筑寒豹条传 下，系统的购电费用最小n 】。 骞功受蔫分配翊题是缀嬲发魄诗划戆主要润题之一，一壹震魄力系统经济遮号亍 中扮演着重溪的角色，受到研究人员和运行人员的重视，提出了很多的解决方法。 解决这类蛹题，重蠹羚学嚣螫采鼷铸徽增率、动态篾划”。、线挂焱划寂饕线蠖裁划、 网络规划及拉格朗网松驰”1 等方法，但这然方法都或多或少地存在一些缺陷。等微 增搴只是使曩标函数取极小俊的必要条件l 嚣饕充分条传；动态援翎嚣蝰“维数灾” 问题：线性规划不w 避免地要对所求解的问题加以线性简化才能使用，遮就使得计 算精度有聪下降； 线性艇划在求艇过程巾易遇裂数毽稳定性趣耀；蹰终怒划一般 要求费用里凸性；拙格朗豳松驰法求解过程中解存在振荡性甚至出现奇异。 近年来，一季申綦于生物囊然选耩和遗传规理的优化算法遗传算法( g a ) ，凌予 其对求解阎题的限制较少，不要求目标函数连续、可微而备受青睐”1 ；另外，g a 在 求躺 线性婀题时袭现出较强的鲁棒性、全局伐豫性翻势嚣处理性，骥恧在魄力 系统的经济运行中褥到广泛的关注和应用。但是，尽管用遗传算法可求解负荷分配 问题的可行孵或满意解，可总体上鳃的质爨不是缀凑。究其乐因，是由予遗传冀法 局部搜索能力不强造成的。这使褥g a 易陷入局部最优解，而要得到全局最优解则 需要花费很长时间，许多学卷对此 乍出了穰多改进，其中混合优化策略褥到了鞍广 泛酌应用跚。 t t4 邃传算法在经济调度应用审麓麓余 遗传算法( 篾豁g 矗) ，爨对生携避键戆一秘数攀裁象模羧，将遮容文鹣送辱乏谂豹 2 华j e 电力大学颈士学位论文 自然遗传、是然选摆的机制g 入到数学理论中，形成了一萼孛具有鳝明特魏浆优化方 法。该法作为一种搜索和翻适应优化方法，主要阁于求解组合优化问题以及存在不 可微的目标函数或约束条传复杂的非线性优化问题，广泛应用于缀合优化、机器学 习、自适应控制、规划设计、人工生命和图像处理等领域，是2 1 世纪有关智能计算 的关键技术之一。常规的熬予梯度寻优的数学优化技术，计算速度快，但鼹求优化阃 题可微。且邋常只能求得弱都最优解：而g a 无可微要求，适用范酮广，而且由于邈类 方法采用随机优化技术，有较大的概率求褥全局最优解。同时，该法固有的并行处理 特髋为求解大规模问题及鲶理算法过早收敛闯题带来了希望。 遗传算法是h o l l a n dj h 1 0 l 在7 0 年代初期提出来的，熄演化计算1 的重要分支， 属予计算智能领域。它其有并行计算的特襁与自邋应攫索豹能力，可在一个大规模、 多极值点旦具有不确定性的解空间中进行众局优化搜索，因而，被广泛成用于魄力 系统鹃优化调度中“”3 。 。4 。 逮传簿法瓣舞经济谣瘦弱我越性 遗传算法作为人工智熊的新方法，已经被应用到谗多顿域的优化计算中。受于 遗传算法本痔具有许多优良特性，所以将其应用到电力系统的经济调度中解决了以 前的优化算法无法解决的问题“”： 1 ) 遗传算法对强标函数没有严格的要求，因而用它解律电力系统经济调度甜不 必将发电曲线近似化，从而可以避免产生较大的误差。 2 ) 不需要解协调方程式就可| 羞进行永火电协调。在水火电联台系统中进行调度 时，必须迭代求解水煤换算系数，但是解弊很难收敛，尤其是对禽有多个水电厂的 系统。丽遗传算法不需求解承煤换算系数，从丽简纯了计算。 3 ) 可以求得全局最优解。遗传算法多路径进行寻优，可以避免搜索陷入局部极 值。丽置遗终算法编程篱肇，易予实现。 因此遗传算法在电力系统的经济调度中具有很好的威用前景 1 4 2 发展趋势 在解决电力系统安全经济调度中，遗传算法避一步的发展趋势如下汹3 ： i ) 设计快速高效的遗传辣法。 2 ) 与演能规巅相结合的算法。 3 ) 与人工智能、人工神经网络相结合，设计求解定性规划的遗传算法。 华托电力大学硕士学位论文 1 。5 本论文的主瑟内容 针对遗传算法在有功经济调度中存在的不足，提出裁鲍改遴方法，并憋其皮用 于电力系统的有功负荷分配中。 ( 1 ) 鉴于g a 全局搜索强大，两局部搜索不强般特点，为了提寒g a 避化后期的 计冀效率，将g a 与局部搜索过程结合使用，用遗传算法作全局搜索，用局部搜索算 法改进遗传算法的计算结累，初步设想将局部搜索能力缀强蛉聪出算法与之结会， 寻求一种佼能良好的淀合遗传算法对经济调度问题进行优化求解。 ( 2 ) 应用g a 求解经济调度问题时，面临着如何有效嫩处理约束条件的问题。现 有静处理约柬豹憋弱函数法存在着许多不足，同时考虑列适应凌涵数定标比较豳难 的问题，初步设想提出一种采用竞争选择方法，弗引入基于目标涵数值謦n 违反约束 度鬣静壹接院较税涮， 冀及适应挂迪保持瓣体中不可行辩比铡的豹束鲶理方法。 ( 3 ) 最厥实例验证算法的可行性和有效性。 4 华j b 龟力大学硕士学位论文 2 1 特征与发展 第二蘸传统遗传算法 h o l l a n d 的早期工作藏要集中于生物学、社会学、控制工程、人工智能等领域 中熬一类动态系统舱适应拣阚题( a d a p t a t i o n ) ，蕤中逵疲性壤念糖述了在强境中表 现出较好行为和性能的系统结构的渐进过程，简称系统的适应过程“6 ”。h o l l a n d 认为，逶过篱单的模拟枫划可以拨述复杂赫适应瞧现象。因此，f l o l l a n d 试强建立 适成过程的一般描述模型，并在计算机上开展模拟试验研究，分析自然系统或者人 工祭统对琊境变化的适应性现象上，其中计算掇上开展模拟试验疆究，分辑垂然系 统绒者人工系统对环境变化的适成性现象，其中遗传算法仅仅是一种具体的算法形 式。 b r e m e r m a n n 。d ej o n g 等人则注重将遗传算法应用予参数优化问题“。，极大 地促进了遗传算法的应用。所以，遗传算法既是一种自然进化系统的诗舞模型，也 是一种通嗣的( g e n e r a lp u r p o s e ) 求解优化问题的适应住搜索方法。目前，人们最 关没和普遍使用的遗传算法是其聪秘性质。 扶整体上来讲，遗传算法是进化算法中产生最早、影响最大、应用也比较广泛 的一个研究方向和领域，窀不仅包含了进化算法鹪基本形式和全部优点，同时逐具 备潞干独黪的性能“1 2 2 ”3 ： 1 ) 在求解问题时，遗传算法首先要选择编码方式，它童接处理的对象是参数的 编溺集雨不是闯题参数本身，搜索过程聪不受优化函数连续性的约束，谗没有优化 函数导数必须存在的要求。通过优良染色体基因的重组，遗传算法可以褥效地处理 传统上菲常复杂酌饶纯函数求解阏题。 2 ) 若遗传算法在每一代对群体规模为 的个体进行操作，实际上处理了大约 o ( n 3 ) 个模式，具有很高静弗行往，因而其有显著的援索效率。 3 ) 在所求解问题为非避续、多峰以及有噪声的情况下，能够以很大的概率收敛 羽交往解或满意鼹，因两凝有较辩的全局最伉解求解耗力。 4 ) 对函数的性态无要求，针对某一问题的遗传算法经简单修霹殳即可邋应于其他 逡戆，或者麴入特定滴题豹颁域知滚，或嚣与已露算法结合，能够较好地解决一类 复杂问题，因而具有较好的普适性和易扩究性。 5 ) 遗传舞法豹麓奉愚憋筒萃，运行方式窬实蕊多骤麓范，便予其俸使角。 鉴于遗传算法舆有上述特征，一经提出即在理论上引起了高度重视，并在实际 工穗技本帮经济警毽矮蠛褥鬟了广泛蟪瘦惩，产黧了大鬣靛减葫寨镛。 s 华北电力大学硕士学位论文 1 9 6 2 年，j o h nh o l l a n d 在o u t l i n ef o ral o g i ct h e o r yo fa d a p t i v es y s t e m s 一文中“，提出了所谓监控程序( s u p e r v i s o r yp r o g r a m s ) 的概念，即利用群体进 化模拟适成性系统的思想。他注懑到在建立智能机器的研究中，不仅霹以完成零个 生物体的邋应性改进，而融通过一个种群的许多代的进化也可以取得非常好的邋应 性效果。为_ 获得一个好蛇学习方法，仪靠单个簸略的改进是不够豹，采用多繁略 的群体繁殖往往能产生显藩的学习效果。尽管他濑时没裔给出实现这些思想的舆体 技术，但却弓 进了群体、邋应值、选择、变异、交叉等基本概念。1 9 6 6 年，f o g e t “7 1 等人也提出了类似的思想，但其重点是放在变异算子而不是采用交叉算予。1 9 6 7 年， h o l l a n d 的学生j 。d b a b l e y 通过澍跳棋游戏参数的研究，在其博士论文中首次掇出 “遗传算法”一词”“3 。 h o l l a n d 以二进制字符集 0 ，1 构成的代码串表示实际问题的描述结构或参数， 称为“染色体( c h r o m o s o m e ) ”。对这些“染色体”进行交换，利用“染色体”中所 包禽的信息决定新一代的“染色体”，并最终得到问题的解。这种方法对所要解决 的闷题类罄几乎没有任傅黻制，所需要的信息只怒每个染色体的评价值。这种使用 简单编码和选择机制的算法能够解决利用相当复杂的问题，并且解决实际问题时不 需瑟该领域的专门知识。通过对这些简单的染色体迸幸亍遮代处理，从这麓染色体中 发现并保存好的染色体，进而逐步发现问题的最优解，这些思想就是遗传算法理论 的雏形。 同时，f r a s e r 采用计算模拟自然遗传系统，1 9 6 2 年提出了和现在的遗传算法十 分穗 娃翡穰念与憨惩。“。稳是，f r a s e r 和其谴一黧学者并未认谈到自然遗传算法可 以转化为人工遗传算法。 在2 0 遵纪6 0 年代孛麓至7 0 冬代末期，基予自然避纯豹愚惩遭到秤疑和反对。 h o l l a n d 及其数位博士坚持了这一方面的研究。在h o l l a n d 发表论文后的十余年中， 簌攀蘧黄算法磅究豹论文舞始漫撬密瑗。大多数醑究都集中在美国m i c h i g a n 大学 的学生，如：d a v i de g o l d b e r g 、k e n n e t ha d ej o n g 、j o h nr k o z a 、s t e p a n i e f o r r e s t 等。1 9 7 5 年，h o l l a n d 遗箴了专著爨然与a 工系统中静适寂往行为 ( a d a p t a t i o ni nn a t u r a la n da r t i f i c i a ls y s t e m s ) ”“，该书系统地阐述了遗传算 法熬基本遴论秘方法，撬囊了辩遗转算法瓣理论发震援海重要静模式瑾论( s c h e m a t h e o r y ) ，蕻中首次确认了选择、交叉和变异等遗传算予，以及遗传算法的隐并行 性，并将i 蠹传算法疲矮子逡应牲系统摸熬、番数臻往、瓿器学习、鑫韵羧秘等领域。 另外，d a n i e lj c a v i c c h i o 的博士论文中探讨了一组实验“，将基于整数编 羁懿逮建算法疰髦予模式谈爨趣熬，骚究了操持群体差努幢懿选择策臻。d ej o n g 在其博士论文研究中首次把遗传算法用予两数优化问题船“，并对遗传算法的机理和 遽煲算予懿行为，将其与鑫已大量实验工穆翊结会，建立了著名戆五番数溅试乎金。 通过实验，他给出如下结论：初始群体祷量越火，离线性能越好，但猩线性能的 6 华北电力大学硕士学位论文 初始值较差。变异可以降低某些基因蛇罴失极会，提怒变异檄率能避免成熟越收 敛，但却酶低在线性能。 交叉概率越大，群体中新结构的产生越快，强交叉概率 等予0 。6 时，在线 生能与离线性裁都较好。 1 9 7 5 颦这后，遗传算法作为函数优化器( f u n c t i o no p t i m i z e r s ) 不但在各个领 域得到广泛虚用，蕊且还枣富和发展了若于遗传算法的纂本理论。1 9 8 0 年，b e t h k e 对灞数优化g a 避行了研究，包括应用研究和数学分析。s m i t h 在1 9 8 0 年首次提出 使用变长位串的概念，这农某种程度上为以后的遗传规划奠定了基础。g o l d b e r g 、 d a v i s 、g r e f e n s t e t t e 、b a u e r 、s r i n i v a s 和p a t n a i k 等大批研究人员对遗传算法 理论的基本框架和遗传算译进行了构建翻改进，藩憋遗传算法分别应用于工穰设 诗、自动控制、经济金融、博奔潮题、机器学习等诸多领域之中。 1 9 8 9 年，d a y i dg o l d b e r g 出版了g e n e t i ca l g o r i t h m si ns e a r c h 。o p t i m i z a t i o n a n dm a c h i n el e a n i n g 一书，这是第一本遗传算法教科书，它是对当时关于遗传算 法领域研究工作的全面而系统的总结，因而也成为引用最多的参考书之一。与 h o l l a n d 的著律铡藏于适淑性系统的迸纯数学分析不同，本书将遗传算法的基本原 理与范围广泛的应用实例棚结合。并给出了大量的可以使用的应用程序。1 9 9 1 年， d a v i s 编辑斑舨了h a n d b o o ko fg e n e t i ca l g o r i t h m s ，箕中色帮了g a 在工程技术 和社会生活中的犬摄应用实例。 j o h nr k o z a 籍逮接算法强予处理不定长辩形字符串或一缀程窿，提出了遗传 规划( g e n e t i cp r o g r a m m i n g ，简称g p ) 概念0 7 2 ”。树状表示方法是k o z a 教授于1 9 8 9 年蓄次提出戆，这种表示方法豹主要特点之一裁怒染色钵结构是酾态变纯的层次结 构，它受环境影响而改变，因而对问题的表示更加自然。该方法是一种与领域无关 麓爨逶瘟装索瓣窆溺豹有效舞法。透过增翔染色俸结捣懿复杂经，它拓广了传统遗 传算法的应用范围。k o z a 教授认为不同领域中许多看起来不相同的问题郝可看成是 蚕我一定豹诗算撬稷亭阏熬，瑟| 冬多不蘑领域秘阉蘧都可形式纯为程序弱纳蠲爨， 而遗传规划提供了实现程序归纳的方法，如公式、规划( p l a n ) 、控制策略、计算程 彦、模墼( m o d e l ) 、决策褥、对蒙繁臻( g a m e p l a y i n gs t r a t e g y ) 、转换溅数、数学 表达式等都称之为计算机程序。1 9 9 2 年，k o z a 教授出版了第一本遗传规划专著 g e n e t i cp r o g a m m i n gl ，瑟冬之磊又窭叛了第二零荚予遗传蔑黧静专著。k o z a 教授 虽然尚未建立规划的完整理论体系，但他濑过大量的实验说明了遗传规划能够地解 决一类复杂阏题，为基予符号表示鹃嚣数学习弱熬罐添了一令强有力竣工其。 随着遗传算法研究和应用的不断深入与扩展，1 9 8 5 年，在美豳召开了第一部遗 传算法国际会议，瓣i c g a ( i n t e r n a t i o n a lc o n f e r e n c eo ng e n e t i ea 1 9 0 r i t h m s ) 。 这次会议是遗传算法发展的重要里程碑，此后每隔一年举行一次。从1 9 9 9 年越， i c g a 秘g p ( g e n e t i cp r o g r a m m i n gs o c i e t y ) 鹣系残会议会劳炎每冬一次麴逡铸黧逶 化国际会议( g e n e t i ca n de v o l u t i o n a r yc o m p u t a t i o nc u n f e r e n c e ，g e c c o ) 。 ? 华北电力大学硕士学位论文 在欧洲，从1 9 9 0 年开始也每隔一年举办一次类似的会议，即p p s n ( p a r a l l e l p r o b l e ms o l v i n gf r o mn a t u r e ) 会议。孩遗传箕法壤论基磋为孛心豹学零会议 f o g a ( f o u n d a t i o no fg e n e t i ca l g o r i t h m s ) 也从1 9 9 0 年起每隔年举办一次。 1 9 9 4 年1 月，i e e e 神经网络委员会( i e e en e u r a ln e t w o r kc o u n c i l ) 出版了第 一本：“进化计冀”专集；1 9 9 4 年6 月，i e e e 神经嬲络委员会召开第一届“逃化诗 辣”謦际学术会议( i e e e i c e c ) ，良嚣每馨召开一次。1 9 9 7 年，该蚕受会割夯ti e e e t r a n s a c t i o n so n e v o l u t i o n a r yc o m p u t a t i o n 杂志 ( h t t p ：w w w e w h i e e e ，o r g t c n n c p u b s t e c ) ，d a v i db f o g e l 任主编。从 1 9 9 9 年嚣娥，i e e ei c e c 与e p 匏冬会会著秀遴纯诗算蕃舔会议( c o n g r e s so n e v o l u t i o n a r yc o m p u t a t i o n ，c e c ) 每馨稻开一次。 美国m i t出版社从1 9 9 3年歼始出版e v o l u t i o n a r y c o m p u t a t i o n ( h t t p ：m i t p r e s s 。m i t 。e d u j o u r n a l h o m e ，d ej o n g 主编) 彝a d a p t i v e b e h a v i o r 杂志。毽界上第一本关予入置餐能研究静杂恚a it r e n d s 于1 9 9 3 锋更名 为c r i t i c a lt e c h n o l o g yt r e n d s ，并在熙名启事中讲爱0 一“遗传算法、自适应系统、 细胞自动机、混沌理论和人_ i 智能一样，都是对今聪十年的计算技术有重大影响的 关键技术”。 随着i n t e r n e t 技术的发展和普及戚用，遗传算法的有关研究单位建立了大量了 专题g a 网掘占，其中最榭名的是由蒺国海军人t 智能应用研究中心建立的 g a _ a r c h i v e s 捻索羽站( h t t p ：椭。a i c 。n r l 。n a v y m i l g a l i s t ) ，宅趣摇了溅赛范 戮内的开展遗传算法和迸俄计算研究的大学和机构，历年来的可公开发表的论文和 报告，有关国际会议消息，典型应用察例和程序( 源代码) ，等等。 这些众多躺研究单位靼频繁的国琢举术活动集中反应了遗传镓法豹学术意义耪 疲爝价值。瓣藩，遗传冀浚邑成轰一个多学稀、多领域静重要磷究方向。 2 2 遗传算法的应用 遗传算法撬供了一萃孛求解复杂系统伉佬嗣题的遥精框架，它不依赖于闯题鲍兵 体领域，对问题的种类有缎强的鲁棒性，所以广泛威用于很多学科。下面是遗传算 法的些主要殿用领域： ( 1 ) 丞数魏纯 函数优化楚遗传算法的经典应用领域，也是对滚传算法进行 蹙能评价的常用算 例。很多人构造出了各种各样的复杂形斌的测试函数，有连续函数也有离散函数， 毒鼹函数也有鞠爨数，有低维丞数瞧有褰维丞数，蠢确定函数瞧露蘧规函数，眷单 峰函数也有多蜂函数等，人们用这些凡何特性各异的潞数来一应评价遗传算法的性 熊。而对于贱非线性、多模型、多目标的函数优化问题，用其他优化方法较难求 8 华托电力大学硕士学位论文 解，遗传算法却可以方便越缛到较好的结聚。 ( 2 ) 组合优化 随着阏题规模的扩大，组合傀化闻题的搜索空闯急劂扩大，有时在鲤前的计舞 机j ：用枚举法很难或者不可能得到其精确最优解。对于这类复杂问题，人们己缀意 识到应把精力放在寻求满意解上，丽遗传算法则是寻求这秭满意解的最佳工舆之 一。实践诚明，遗传算法对于组合优化中的n p 完全问题非常有效。例如，遗传算 法已经在求解旅行商问题、背包闯题、装箱问题、图形划分闯题得到成功的应用。 ( 3 ) 生产调度闯题 生产调度问题在许多情况下所建立起来的数学模型难以精确求解，即使经过一 些简纯之藩可以进行求解，也会困简纯太多而使得求解结果与实际相关灏远。因此， 目前在现实生产中也主要靠一些经验进行调度。遗传算法已成为解决复杂调度问题 静有效工具，在擎件生产率闻调度、漉永线生产苹闯调度、生产觏划、经务分配等 方馘遗传算法都得到了有效的应用。 ( 4 ) 自渤控制 在自动控制领域中许多与优化相关的问题需要求解，遗传弊法的虑用日益增 麴，并显示了良爵的簸莱。钢翔掰蘧传算法进行靛空控稍系统酌优纯、纂予遗传算 法的模糊控制器优化设计、基于遗传算法的参数辨识、利用遗传算法进行人工神经 网络静结稳优纯设计_ 稻较毽学习，都显示了遗铸冀法在这些领域中应j 薅j 的可麓髋。 ( 5 ) 机器人智能控制 撬器入是一类复杂翡滚激精确建模静入工系统，蔼遗传算法静起源虢采鲞予j c 雩 人工自适应系统的研究，所以机器人智能控制理所当然她成为遗传算法的一个重要 瘦弱矮域。镧懿遗传算法穗经在移动瓠器久路径瘸翔、关节税嚣入运动辘迹窥鞠、 机器人逆运动学求解、细胞机器人的结构优化和行动协调等方面得到研究和应用。 ( 国蚕像楚理籁模式谈爨 图像处理和模式识别是计算机视觉中的一个蘑要研究领域。在图像处理过程 孛，躲亨三攒、特征挺取、鬻缘分甏等不可涟免遗会产生一整误差，这些误差会彩稿 到圈像处理和识别的效果。如何使这些误差最小照使计算机视觉达到实用化的羹要 要求。遗传舞法在鬻豫楚遴孛熬霞往诗冀方瑟是蹇全整镁靛。嚣籍已在翊豫滚复、 图像边缘特征提取、几何形状识别等方面得到了威用。 ( 7 ) 入王生会 人工生命是用计算机等人工媒体模拟或构造出具有自然生物系统特有行为的 人造系统。叁组织耱力窝巍学习黢力是人工生命戆嚣丈主要特 茇。人工生余与遗传 算法有着密切的关系，基予遗传算法的进化模型嫩研究人工生命现象的滋要理论基 础。爨然人王生念鳇醛究澎处于寓蒙除段，毽遗传算法已在其进健模型、学习搂溅、 行为模型等方面显涿了初步的应用能力。可以预见，遗传算法在人工生命及复杂自 9 华北电力大学硕士学位论文 适应系统的模拟与设计、复杂系统突现性理论研究中，将得到更为深入的发展。 ( 8 ) 机器学习 学习能力是高级自适应系统所应具备的能力之一。基于遗传算法的机器学习， 特别是分类器系统，在许多领域得到了应用。例如，遗传算法被用于模糊控制规则 的学习，利用遗传算法学习隶属度函数，从而更好地改进了模糊系统的性能。基于 遗传算法的机器学习可用于调整人工神经网络的连接权，也可用于神经网络结构的 优化设计中。分类器系统在多机器人路径规划系统中得到了成功的应用。 另外，很多专家学者将g a 应用于各自所从事的工程领域，比如v l s i 设计、运 输规划、设备布局、土木工程、生物工程等，对解决具体实践问题起到了极大的促 进作用。 2 3 遗传算法的基本描述 遗传算法抽象于生物体的进化过程，通过全面模拟自然选择和遗传机制，形成 一种具有“生成+ 检验”特征的搜索算法。遗传算法以编码空间代替问题的参数空 间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的遗 传操作实现选择和遗传机制，建立起一个迭代过程。在这一过程中，通过随机重组 编码位串中重要的基因，使新一代的位串集合优于老一代的位串集合，群体的个体 不断进化，逐渐接近最优解，最终达到求解问题的目的。 2 3 1 遗传算法的基本流程 遗传算法在整个进化过程中的遗传操作是随机的，但它所呈现出的特性并不是 完全随机搜索，它能有效地利用历史信息来推测下一代期望性能有所提高的寻优点 集。这样一代代地不断进化，最后收敛到一个最适应环境的个体上，求得问题的最 优解。遗传算法所涉及的五大要素：参数编码、初始群体的设定、适应度函数的设 计、遗传操作的设计和控制参数的设定。 简单遗传算法的基本流程和结构如图2 3 1 所示。 从图2 3 一l 可以看出，遗传算法的运行过程为一个典型的迭代过程，其必须完 成的工作内容和基本步骤如下“2 ”： 1 ) 选择编码策略，把参数集合j 和域转换为位串结构空间s ： 2 ) 定义适应度函数，( ； 3 ) 确定遗传策略，包括选择群体大小”，选择、交叉、变异方法，以及确定交 叉概率p 。、变异概率p ，等遗传参数； 4 ) 随机初始化生成群体p ； 5 ) 计算群体中个体位串解码后的适应度函数值穴； 】0 华j b 电力大学硕士学位论文 6 ) 按照遗传畿赂，运用选择、交叉秘变异算予作用予群体，形成下一代群体： 7 ) 判断群体饿能是省满足某指标，或者已完成预定迭代次数，不满足则返 回步骤6 ) ，或者修改遗传策略霉返回步骤6 ) 。 2 3 2 遗传编码 按照遗传算法的工作流程，当用遗传算法求解问题时，必须在目标问题实际表 示与遗传算法的染佼体位零结构乏闻建立联系，鼯确定绩码和孵秘运算。一般来说， 参数集及适应度函数是与实际问题密切相关的，往往由用户斟酌确定。 由于遗传算法计算过穰熬鲁棒性，它慰绽玛的要求势不苛刻。实际上，大多数 问题都可以采用基因呈一维排列的定长染色体表现形式，尤其是基于( 0 ，1 ) 符号 集的二进制编码形式。然麓，编码的策略袋方法对于遗传簿子，龙其是爻尊交叉帮变 异算子的功能和设计有很大的影响。 对于给定的优化阀题，由g a 个体的表现型集会魇维成的空间称为婀题空阀， 由g a 基因个体所组成的空间称为g a 编码空间。遗传算予在g a 编码空间中对位串 个体避行操作。 由问题空间向g a 编码空间的泱射称俸编码( e n c o d i n g ) ，而由编码窝闻向问题 空阅的映射称作译码( d e c o d i n g ) 。 问题编硝一般戚满足以下3 个原则“铂： 1 ) 完备性( c o m p l e t e n e s s ) ：问题空间中的所有点( 可行解) 都能成戈g a 编码空 闻中的点( 染色体饭串) 的表现受。 2 ) 健全性( s o u n d n e s s ) ：g a 编码空间中的染饿体位串必须对_ 暾问题空间中的某 一潜在解。 3 ) 非冗余性( n o n r e d u n d a n c y ) ：染色体和潜狂解必须一一对威。 2 3 2 1 二进制编码 二避制编码籍闻题空鹣的参数表示为基于字符集 0 ，1 ) 构成静染饿体位串。 2 。3 ，2 2 其镌编码 非二进制编码往往结合问题的具体形式，一方面简化编码和解码过稷，另一方 面瑟戳采爱簿转统缣彳辛算予。或者与其谴舞法褶结合。 1 大字符集编码 2 窿列编蹒 3 实数编码 4 撼编码 华北电力大学硕士学位论文 5 自适应编码 6 。魏j 葶编鹦 7 二倍体和显佼戳律 2 ，3 3 适应度麟数( 评价函数) 遗传算法将问题空闯袭示为染色体位串空闻，为了执行适蠢麓存的原剐，必须 对个体位串的适应性进行评价。因此。适应度函数( f i t n e s sf u n c t i o n ) 就构成了个 体的生存环境。根据个体的适应值，就研决定它在此环境下的生存能力。一般来说， 蟹翡染色藩霞率吴骞篦较藏豹适应度弱数篷，琴可戳获褥较高瓣评价，买鸯较强静 嫩存的能力。 由于适应值是群体中个体生存机会选择的惟一确定性指标，所以适应度黼数的 形式壹接决定誉群嚣豹避佬毒亍为。为了辘够壹接将逶痤度丞数与瓣终孛数令髂捷劣 发量相联系，在遗传算法中适应值靓定为非负，并殿在任何情狨下总是越大越好。 1 ) 位串解码 褥参数 2 ) 计算瞬标 函数值 3 ) 函数俊向 逶成德涣 射 4 ) 适戚值调 整 三个纂本 算子 i ) 选强 2 ) 交叉 3 ) 变异 其绝离缀 算子 确定实际问题参数集 对参数进行编码 初始化群体p ( f ) 评价群体 渍是箨纛准粼? 遗传操作 结 束 群 搴p 国 口 群体p ( f + i ) 嬲2 - 3 一l 简单遗传算法基本瀛程框图 1 ) 霹最，l 、亿闯遂，建交鲡下逶建凌溺数雉) 霸嚣檬函数9 0 ) 欧射关系： 华北电力大学硕士学位论文 。、厂cm “一占( x ) 彤户t o 若9 0 ) c m i n ( 2 2 ) 否则 式中c 。i 。既可以是特定的输入值，也可以是当前所有代或最近k 代中占( x ) 的 最小值。 2 3 4 遗传算子 标准遗传算法的操作算子一般包括选择( s e l e c t i o n ，或复制r e p r o d u c t i o n ) ， 交叉( c r o s s o v e r ，或重组r e c o m b i n a t i o n ) 和变异( m u t a t i o n ) 三种基本形式，它们构 成了遗传算法具备强大能力的核心，是模拟自然选择以及遗传过程中发生的繁殖、 杂交和突变现象的主要载体。 遗传算法利用遗传算子产生新一代群体来实现群体进化，算子的设计是遗传策 略的主要组成部分，也是调整和控制进化过程的基本工具。 2 3 4 1 选择( s