【优化组合】多种群混沌蚁群算法求解机组组合优化问题【含Matlab源码 2017期】

⛄一、多种群混沌蚁群算法求解机组组合优化问题

0 引言
机组组合问题(Unit Commitment,UC)又称开停机计划,是电力系统解决优化潮流(OPF)、经济调度(ED)进而实现自动发电控制(AGC)、自动电压控制(AVC)的前提。机组组合问题具有高维数、非凸、离散、非线性的特点,在数学上为NP-Hard问题。实际中最多地运用于解决这类问题的方法有:优先级表法[1]、混合整数规划法[2]、拉格朗日松弛法[3]、动态规划法[4]等。随着启发式方法的发展,人工智能算法也被应用于机组组合问题中,其中包括:蚁群算法[5]、粒子群算法[6]、模拟退火算法[7]、遗传算法[8]、免疫算法[9]等。

蚁群算法(Ant Colony Optimization algorithm,ACO)因其高度并行性、合作性和鲁棒性被成功运用于求解多种组合优化问题当中。多种群蚁群算法(Multi colony ant Optimization algorithm,MCAO)将蚁群分类,对不同种类蚁群赋予不同的任务,通过各类蚁群之间的信息交流与合作来提高算法的计算效率以及解的质量。本文提出的多种群混沌蚁群算法(Multi colony chaotic ant Optimization algorithm,MCCAO)将蚁群分为搜索蚁、侦察蚁和工蚁。在蚁群算法选择路径过程中为信息素加入混沌量,使得蚁群在路径搜索时有更多的机会脱离局部最优,发现最