系统工程课件

1、禁忌搜索粒子群算法在无 功优化中的应用姓名：张安发 学号：147214631. 禁忌搜索简述2. 电力系统无功优化3. 算法实现4. 实例分析5. 总结 禁忌搜索算法简述1.算法的提出 人类在选择过程中具有记忆功能，比如走迷宫时，当发现有可能又回到某个地点的时候总会有意识的避开先前选择的方向而选择其他的可能性，这样就可确定性的避开迂回搜索。 借鉴人类的智能思考特性，采用禁忌策略尽量避免迂回搜索就构成了TS算法。 Glover在1997年提出TS。TS的优点是能够通过接受劣解来逃离局部最优，在90年代除开始受到广泛的关注。2.算法原理简介 禁忌搜索算法是一种亚启发式随机搜索算法，它从一个初始可行

2、解出发，选择一系列的搜索方向作为试探，选择标函数值变化最多的移动。为了避免陷入局部最优解，TS搜索中采用了一种灵活的“记忆”技术，对已经进行的优化过程进行记录和选择，指导下一步的搜索方向，这就是Tabu表的建立。 Tabu表中保存了最近若干次迭代过程中所实现的移动的反方向移动，凡是处于Tabu表中的移动，在当前迭代过程中是不允许实现的，这样可以避免算法重新访问在最近若干次迭代过程中已经访问过的解群，从而防止了循环，帮助算法摆脱局部最优解。禁忌即禁止重复前面的工作，跳出局部最优点。2.本文采取的算法 粒子群优化算法：它源自对鸟群捕食行为的研究，本质上属于迭代的随机搜索算法，具有原理简单、经验参数

3、较少、易于实现等特点，在连续优化问题和离散优化问题中都表现出良好的效果。它的缺点是易陷入局部极值点，进化后期收敛速度慢。 禁忌搜索：基本思想是在搜索过程中将近期历史上的搜索过程放在禁忌表中，阻止算法重复进入，这样就有效地防止了搜索过程的循环。 本文将禁忌搜索算法的禁忌表思想加入到自适应粒子群算法后期，2 种算法优势互补，很好地解决了PSO 搜索后期很难收敛的问题。电力系统的无功优化 1.什么是无功优化 电力系统无功优化是当电力系统的结构参数以及负荷情况给定时，通过对某些控制变量的优化，寻找在满足所有约束条件的前提下，使系统的某一个或多个性能指标达到最优时的无功调节手段。无功优化算法有很多，主要

4、分为经典算法和人工智能算法。 经典算法：主要有线性规划法、非线性规划法等、混合整数规划法等。 这类算法各有特点，但它们普遍会出现误差大、维数灾、离散变量难处理等问题，难以得到理想结果。变量约束方程为: 算法思想分析 TS-PSO 算法的基本思想是以粒子群算法为主框架，把禁忌搜索算法的“禁忌”与“特赦”思想引入到粒子群算法的搜索更新中来。 粒子群算法先进行前期搜索，得出较好的初始值，同时建立禁忌表，将个体极值pBest 放入到禁忌表中，禁忌表中的禁忌对象遵循“溢出”规则，如果解持续几次没有更新，则利用当前解的邻域函数产生一定数目的邻域解，进行禁忌搜索，判断特赦准则，更新全局最优解，并更新禁忌表。

5、 粒子群优化中信息的共享机制是一种单向的信息共享机制，只是领域最好解将信息给予其他粒子，由于点吸引的特性，不能同时向多个最优解靠近，在算法后期易重复计算，可以利用禁忌表的记忆功能，避免重复计算，加快其收敛速度。 由于粒子群算法前期爬山能力强，进行到中期时加入禁忌搜索思想，能更好地发挥这两个算法算法的优点。 （8）判断各候选解是否在禁忌表中，选择非禁忌对象对应 的最佳状态替代当前解，用与之对应的禁忌对象替代 最早进入禁忌表的禁忌对象； （9）判断是否达到最大迭代次数或满足收敛条件，若达到 输出最优解；否则转到第3步继续循环迭代。实例分析对上述算例在相同条件下分别运用基本粒子群优化算法（PSO）遗传算法（GA）和禁忌搜索粒子群优化算法（TS-PSO）对目标函数进行优化，得到优化结果如下：可见，对于基本PSO算法优化得到的系统网损为0.0592，网损下降率为23.21%；而运用TS-PSO算法得到的优化结果是系统网损为0.0577，网损下降率为25.16%，带禁忌搜索的粒子群优化算法能