粒子群优化算法中英文对照外文翻译文献.docx
- 文档编号:2173369
- 上传时间:2022-10-27
- 格式:DOCX
- 页数:22
- 大小:753.17KB
粒子群优化算法中英文对照外文翻译文献.docx
《粒子群优化算法中英文对照外文翻译文献.docx》由会员分享,可在线阅读,更多相关《粒子群优化算法中英文对照外文翻译文献.docx(22页珍藏版)》请在冰豆网上搜索。
粒子群优化算法中英文对照外文翻译文献
中英文资料对照外文翻译
(文档含英文原文和中文翻译)
文献名称(中文)
扩展的粒子群算法与经典优化算法的比较:
一个关于静止同步补偿器放置问题的案例研究
文献名称(外文)
ComparisonofEnhanced-PSOandClassicalOptimization
Methods:
acasestudyforSTATCOMplacement
概要一这篇论文证实了一种扩展的粒子群优化算法用于一个动力系统中解决柔性交流输电系统设备的优化配置问题的有效性。
在进行关于静止同步补偿器设备优化配置的一项简单且符合实际的案例研究中,就稳态和经济指标而言,粒子群优化算法的性能可以和经典优化算法相比较。
这篇论文也谈及了在文章中易于被忽视的概念和细节,因为优化算法的选择在很大程度依赖于这些概念和细节。
关键词:
柔性交流输电系统,经典优化,奔德斯分解,分支定界,进化,计算技术,粒子群优化
I、简介
柔性交流输电系统的优化配置概念还处在一个相对早期的调查阶段。
目前还没有一个被普遍接受的方法,许多研究人员都声称他们的方法比其他人的方法更好。
鉴于在这个领域中不同方法之间的一个比较,特别是在经典方法和准启发式方法之间,判断哪一种方法性能最好已经变得很困难,因为每一种研究方法集中于不同的问题方程、系统规模大小以及操作条件。
这篇论文为经典算法和准启发式算法的性能比较提供了一个共同的背景。
特别是在奔德斯分解算法,分支定界算法(B&B)和扩展的粒子群优化算法,而粒子群优化方法被证实比其它的准启发式技术更加有效。
一项基于稳态和经济指标的简单且符合实际的优化静止同步补偿器配置(一种柔性交流输电系统设备)的案例研究被用来作为一个诠释的例子它更重要的表明这篇论文不是为了寻找某种特定问题的一种解决办法,而是为了阐述古典确定性方法和准启发式技术之间的差别以及对在文章中易于被忽视的优化过程的
重要细节作出评论:
离散优化问题,理解性凸性假设条件下(不仅仅应用于目标函数),关于局部最优与全局最优问题的探讨(一种给定的目标函数)。
这篇论文接下来的部分如下:
优化背景(第二部分),不应该被忽视的概念和问题(第三部分),问题描述(第四部分),优化算法(第五部分),模拟结果(第六部分),结束性评语(第七部分)。
H、背景
优化技术常被用来解决能够主要被分成两组的柔性交流输电系统设备的优化配置问题:
组成了主要的进化计算技术的经典方法和准启发式算法,第三种可选择的方法,例如模态方法也可以考虑。
然而,这些方法主要是基于技术的可行性而不是去寻找最优化解决办法。
A、经典优化技术
在论文中,这个问题应用了两类经典优化方法:
(1)混合型整数线性规划和
(2)混合型非整数线性规划。
一方面,混合型整数线性规划就像名称所说的那样需要的条件就是所有的变量是整数。
这样,这种方法只能和直流功率流结合在一起使用。
解决混合型线性整数方程问题的主要算法是奔德斯分解算法,分支定界法和格莫瑞流割算法。
另一方面,混合型非线性整数方程需要考虑到目标函数和约束条件的使用。
这样,交流功率流就可以用于这个案例。
解决混合型非整数线性规划问题被利用的最为广泛的算法是奔德斯算法。
不幸的是,依赖系统参数的问题的规模和非凸性是可能引起收敛问题的关键。
B、准启发式技术
计算技能的基础技术,例如遗传学算法(GA)粒子群优化算法(PSO)模拟退火算法(SA)禁忌搜索算法(TS和进化规划算法(EP都是可以选择用来解决优化问题的方法。
候选解决方案在一定人口的个体中起着重要作用,最佳费用函数决定了解的存在条
件。
人类进化就发生了,经过生物和社会运营商的反复应用,就取得了最佳方案
通常,欧洲学分转换系统很适合解决混合型非整数线性规划,然而这些方法的可扩展性需要进一步的验证。
山、优化方法:
概念和问题
A、离散优化问题
一种常见的错误观念就是从优化的角度来说柔性交流输电系统设备的优化配置问题
并不具有挑战性,因为这是一个离线问题。
一些人认为这个解决方案就像同时安排一定数量的计算机并让它们运行一样简单。
成功的关键在于找到所有可能的解决方案,那么最优方案肯定在已找到的方案中取得。
事实是甚至当一种解决办法在理论上可能对任何一个系统起作用时,而在实践中随
着系统规模的扩大和目标函数变得更加复杂(瞬态性能是评价计算密集型的),找到问题的解决方案所需要的计算量会增加得非常迅速。
如果也需要满足N-1或N-2的可能性规则,或者增加系统的随机因素和不确定性因素,仅仅评估案例的数量也会变得难以估量。
因此,对应用到系统规划问题中的优化算法进行研究,例如柔性交流输电系统的配置问题就变得非常重要。
B、凸性假设
就目标函数而言,凸性是被主要分析的概念:
如果目标函数是严格凸的,那么就可以确保有一个唯一最优解
图3-1全局极值与局部极值
这一特点是可取的,但是在动力系统中几乎就没有发生。
大多数情况下,目标函数
的图形类似于图形(3-1.b)中的函数。
结果是梯度下降法往往受到局部极值的限制。
在这些情形下,必须考虑到采用往搜索算法中加入随机因素的特殊办法。
凸性假设问题也可应用到可行域中。
例如在线性规划问题中,如果可行域就像下图
3-2.a(图形3-2.b与图形3-2.a作为对比)中一样是凸集,那么就可以找到最优解(用单纯形法或者内点法)。
图3-2可行域的凸性
把技术约束问题强加到动力系统中时,论文后面所展示的图形类型很具有代表性。
在这
,以便能够快速找到可行方案。
因此,
种情形下,优化算法应该有有效的效益勘探机制在不可行域中只耗费最小的计算量。
C、全局优化
另一个方面,在论文中容易被忽视的就是对全局变量和局部变量的探讨。
与通常观点不同的是,这个主题跟应用到动力系统中的不同目标函数中的值并没有关系。
文中指出对于一个给定的目标函数问题可能有唯一的最优解,这样局部最优解也是全局最优解
(图3-1.a)或者这个问题也有多个局部最优解和一个全局最优解。
在后者图3-1.b中第-
个白色星号表示a到b区间上的最小值,第二个白色星号表示b到c区间上的最小值
黑色星号表示在整个a到d区间上的全局最小值。
这样看来似乎前面介绍的概念都是多余的,然而,一旦一种优化算法能够提供了一个解决方案,但在通常情况下,都不能保证这种优化算法的性能。
证实全局最优解能够取得仅仅是在线性规划问题这种特殊的条件下。
就混合型非整数线性规划问题而言,如果没有局部极值条件的限制,能够找出全局最优解的每一种算法的性能需要分别加以研究。
W、问题描述
需要解决的问题由一个45路公交系统中大量卫星部件的优化配置(车牌号)和额定功
率(机械震荡分析)组成。
而这些问题只是巴西电网中的一部分(图4-1)。
主要目标是在电力系统中以最低费用使得母线电压偏差最小化,选择这个客观标准
和特殊的电力系统的原因是:
(1)电力系统不是很大,因此进行详细地搜索能够找到全局
最优解。
(2)问题有一个减少的、分散的和非凸性可行域。
(3)如果瞬态分析也包括在内的话,稳态标准仅仅被用来避免不符合要求的点。
A、目标函数
考察两个目标:
⑴使在系统中的电压偏差最小。
(2)使费用最低。
这样在(4-1)和(4-3)中定义两个变量J1和J2.
在(4-1)中J1是电压偏差的度量指标。
在总线k中,在(4-1)中J1是电压
偏差的度量指标在总线k中是各个电压值,N是总线数目。
总费用函数Ctotal由两个
形成的可变费用
M
Ctotai(M)二CfMGz、p(4-2)
P=1
在(4-2)中,M表示待分配部件的数目,Cf是每个部件的固定费用Cv是每次机器运行的费用。
由于Cf»G,在目标函数中,能够很方便地将最佳费用函数的每个术语规范化
在(4-3)中,J2是费用度量单位,Mmax是待配置卫星部件的最大数目。
多元目标优化问题现在能够使用由度量Ji和J2的加权和组成的总的目标函数J来
定义。
如(4-4)中
J=rJj,2J2(4)
每个度量的权值被调整用来反映每个目标的相对重要性。
考虑到Ji和J2的最大量级,
指定权值W1和W2的值分别为1,0.5,以便两个变量有相同的重要性。
B、决策变量
,这些变量被放在如下的一个向
决策变量是静止同步补偿器部件和它的大小的参数
量当中:
Xi=1...'MM"(5)
在(4-5)中,-p(其中p=1......M)是静止同步补偿器部件p的参数,决策变量的每个分量都是整数,Xi乙M.
C、约束性
在这个问题中,关于电力系统的特点和所需的电压档有几个约束性条件。
在这种特
殊条件下,在搜索区间中都有一个对应的约束性条件。
因为发电机总线有稳压器调节电
压,所以省略了它们的搜索过程。
(1)总线数目被限制在{1,2,3N}.
(2)只有一个部件可以在每个总线连接。
⑶部件的数目:
仁M-5.
⑷每个部件的大小:
0讨p:
250MVA.
⑸所需的电压档需要另外N个定义的限制性条件:
0.95:
V1.05
不满足上述约束条件的每一种解决方案都被认为是不可行
V.优化算法
在一个45型总线系统中,对于大量柔性输电系统部件的最优化配置,充分发展了三种算法,把他们进行比较有:
奔德斯分解算法、分支定界法、扩展的粒子群优化算法。
A、奔德斯分解算法
这个方法分别由两个连续阶段的两套决策组成。
在第一个决策阶段,延迟的一些约束条件被用来减少原(主)问题的复杂性;在第二个阶段,在找到第一个决策变量后,影
响有不确定初始值的决策变量的一些参数是已知的和固定的。
这样,第二个问题就是如何减少复杂性和变量的数目。
就静止同步补偿器配置问题而言,主要问题是考虑可分别由寻找最优解的位置的子
向量和最优解大小的子向量组成的决策向量。
不同的约束性条件被描述如下:
(1)第一阶段:
静止同步补偿器受到了延迟约束,无功率的限制放宽了这些设备的电源解决方案流。
每个STATCOI的控制器的参考电压值被设置为1.0标幺值,目标函数对应的电压偏差度量定义如(4-1)所示。
(2)第二阶段:
为了确定设备的位置,约束集仅被局限于取每个部件大小的最大值,目标函数包括了如(4-4)所示的电压偏差度量和成本度量。
B分支定界法
分支定解法是一种通过评估所有可能解的子集来寻找一个最优解决方案的经典算
法。
算法的主要步骤如[18][21][22]:
(1)分支:
可行方案集被分割成更简单的子集。
在每一次迭代中,选择最可能的一个子集,并作出努力内找到它的最佳可行的解决方案•
(2)定界:
该算法所得最优目标值的上限和下限,在每个阶段只有一个上限u,对应
的目标值之间的所有可行的解决方案已经出现第一次最小值。
(3)修剪:
如果在某个阶段,出现了子集中的一个下界比当前上界更大的集,那么就在算法中修剪(丢弃)这个集。
分支、定界、修剪这些步骤重复进行,直到找到了最优解。
对于这个特殊问题,目标函数作了如(4-4)中的定义,分支策略与深度优先搜索相对应:
对于可行位置的每个子集,将分支进行分割成更小的子区间以逐步确定静止同步补偿器的大小间隔。
通过丢弃尽可能多的子区间,分支法和定界法有利于减少搜索次数,直到取得最优解。
为了找到可行位置的特定子集,在下一个阶段,选择另一个可行位置的子集。
重复这个过程直到包括了所有的可行位置。
C、扩展的粒子群算法
M(t)=Wjvjt—l)+g北(口—Xj(t—1沪…^丁2g—x(t—1))
(1)
典型粒子群算法的制定
粒子群算法认为每一个粒子都代表问题的一种潜在解决方案,这样,粒子就如(4-5)
所定义的那
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 粒子 优化 算法 中英文 对照 外文 翻译 文献