Сочинение на тему Генетический алгоритм поиска

Генетический алгоритм ищет оптимальное решение, используя принципы эволюции, основанные на определенной строке, которая оценивается и распространяется для формирования следующего поколения. Алгоритм разработан таким образом, что «установочные» строки выживают и распространяются на последующие поколения. Генетический алгоритм, как сообщается, дает превосходные результаты, потому что он способен искать решение, близкое к глобальному.

Теоретические основы генетических алгоритмов (GA) были впервые описаны Джоном Холландом [52], а затем представлены Дэвидом Голдбергом [53]. Дж. Бун и Х. Чан [54] разработали метод, основанный на GA, для определения оптимальных размеров и расположения конденсаторов. Размеры и расположение конденсаторов кодируются в двоичные строки, и для создания новой совокупности выполняется кроссовер. В этой постановке задачи учитывались только затраты на конденсаторы и снижение пиковых потерь мощности. S. Sundhararajan и A. Pahwa [55] предложили метод оптимизации с использованием генетического алгоритма для определения оптимального выбора конденсаторов. Однако их работа отличается от [54] тем, что они используют элитарную стратегию; в результате кодированные строки, выбранные для следующего поколения, не проходят процедуры мутации или кроссовера. Кроме того, эта формулировка включает в себя снижение потерь энергии, которое было опущено. К. Миу, Х. Чан и Г. Дарлинг [56] пересмотрели формулировку GA в [54] и включили дополнительные функции замены конденсаторов и управления для несбалансированных распределительных систем.

<Р> Н. Ким и С. Вы [57] использовали генетический алгоритм для получения оптимальных значений батареи шунтирующих конденсаторов. Они рассматривали конденсаторы как постоянные реактивные нагрузки. М. Дельфанти и соавт. [58] представляет процедуру для решения проблемы размещения конденсатора. Цель состоит в том, чтобы определить минимальные инвестиции, необходимые для удовлетворения подходящих реактивных ограничений. D. Das [59] представляет оптимальные места для конденсаторов при различных уровнях нагрузки, используя GA, чтобы минимизировать потери энергии при поддержании напряжения на шинах нагрузки в пределах указанного предела, принимая во внимание стоимость конденсаторов. С. Караки и соавт. [60] представили эффективный метод определения оптимального количества, местоположения и размеров фиксированных и коммутируемых шунтирующих конденсаторов в системах радиального распределения с использованием GA.

<Р> К. Ким и соавт. в [61] предложен симплексный гибридный подход GA в сочетании с мультипопуляционным GA для определения местоположения, размера и количества конденсаторов в несбалансированных распределительных системах, хотя гармонические искаженные системы не рассматривались в этом исследовании. З. Ху и соавт. [62] использовали GA для автономного VVO для минимизации потерь энергии. Здесь операция переключения OLTC была ограничена подходом, основанным на временном интервале, поэтому пространство поиска для GA было уменьшено. М. Масум и соавт. [63] сообщили о методе, основанном на GA, который включает нелинейные модели нагрузки для задачи поиска оптимальных шунтирующих конденсаторов в распределительных системах. Р. Сантос и др. [64] Предложена вложенная процедура для решения задачи оптимального размещения конденсаторов в распределительных сетях. На внешнем уровне принят генетический алгоритм уменьшенного размера, направленный на максимизацию чистой прибыли, связанной с инвестициями в банки конденсаторов.