文档介绍:细菌群体趋药性优化算法
细菌趋药性函数优化方法是一种新的从生物行为中取得灵感的函数优化方
法,这种算法模拟细菌在化学引诱剂环境中的运动行为来进行函数优化。作用:。。。。。。。。。。。
优点:其单个细菌也有寻优能力,即BC算法,BC算法决定。
2
Center(左.)=Aver((左.)<f(左.)ANDdis(左.,左.)<SenseLimit)
/n,i,j=1,2,...n,dis(lxjk,Tik)为细菌i
ikjkjkikjkik
其中,Aver(T,T,…T,)=YT,
12ni
'i=1丿
和细菌j之间的距离;
pr
移动步长1=rand()-dis(~,Center(~)),rand()为(0,2)之间服从均匀分
布的随机值。
离散BCC算法
离散问题有多种,涉及电力系统的主要有两种:(1)0-1离散;(2)序列离散
(1)0-1离散—故障恢复(开关倒闸操作)、配电网规划(线路选择、不选择)、无功优化(电容器投切)、继电保护(断路器断开闭合)
(2)序列离散—配电网故障抢修(故障点的抢修顺序问题)与连续优化BCC算法区别:
X(连续)t映射机制mapTX(离散)
newnew
否
收敛?
是
目标位置X(连续)
new
目标位置X(离散)
new
映射机制
个体寻优
初始化
群体寻优
映射机制
(1)0-1离散映射机制
0-1离散组合优化问题,形成了两种不同的解决思路:一种是将离散问题映
射到连续空间,在连续空间计算并求解,称之为基于连续空间的离散化,该方法
研究相对较多;另一种是将算法映射到离散空间,在离散空间中计算并求解,称
之为基于离散空间的离散化,对于这种思路研究相对较少,主要原因在于该方法
pr
定义的二进制算术运算操作会增加单步计算代价,耗时较长,占用计算机内存较
基于连续空间的离散化以Kennedy等提出Sigmoid函数离散更新机制为代表,如下所示:
jifr<sig(v)
x=s
、0ifr〉sig(v)
式中,砲(宀扁閒
但这种更新机制对速度范围施加限制,优化离散问题时效率不高,这个函数的值域范围是(0,1),自变量v的取值范围是(-8,+8),但是验证下会发现,V的取值范围其实就是(-4,4),对自变量取值范围限制太大。
针对以上问题,本文提出了Disp离散更新机制,其定义如下:
Disp(x)=
k+x
-x
xG[0,+8)
xG(-8,0)
1r>Disp(x)p=S
0r<Disp(x)
其中,r为(0,1)间的随机数,Disp表示p取1的可能性,Disp值越大,则p取1的概率越大,x的正负号表示细菌移动的方向,此时x就有了其特定的物理意义。
该更新机制可根据实际步长大小来自行调整k的取值,无需对自变量范围施加限制。而且Disp值域可以在变量范围内均匀变化,避免了Sigmoid函数更新机制的缺陷,使结果不易过饱和而陷入局部收敛。
(2)序列离散映射机制
提出一种区间归位方法,具体步骤如下:
细菌的维度为n,用每个细菌各维中最大的数减去最小的数找出细菌长度,再用细菌长度除以n,得到细菌各维区间长度。根据区间长度将细菌长度分成n个区间,然后将各维度数