基于多智能体遗传算法的电力运输网络拓扑结构设计方法技术

本发明专利技术提出了一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，用于解决现有电力运输网络拓扑结构设计方法中存在的深度搜索能力弱和容易陷入局部最优解，导致电力运输网络在抵抗攻击或者扰动时鲁棒性差的技术问题，实现步骤为：设定多智能体遗传算法参数、初始化多智能体遗传算法种群、对初始化种群进行邻域竞争、对邻域竞争种群进行邻域交叉、对邻域交叉种进行变异、对变异种群进行群局部搜索产生局部搜索种群作为电力运输网络拓扑结构输出。本发明专利技术在设计电力运输网络拓扑结构的过程中，采用多智能体遗传算法框架，设计了邻域竞争算子、邻域交叉算子、变异算子和局部搜索算子，设计出具有高鲁棒性的电力运输网络拓扑结构。

【技术实现步骤摘要】
基于多智能体遗传算法的电力运输网络拓扑结构设计方法
本专利技术是属于物理
，涉及一种电力运输网络拓扑结构设计方法，具体涉及一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，可用于设计电力运输网络拓扑结构，便于当其受到攻击或者扰动时，能够使电力运输网络的功能最大程度地保持完整，同时还可以有效地抵抗受到的攻击或者扰动。
技术介绍
在电力运输系统中，可以将发电站、变电站等抽象成复杂网络节点，将输电线看成连接边，那么电力运输系统就可以抽象成一个复杂网络模型，称为电力运输网络。电力运输网络拓扑结构设计就是，在保持电力运输网络度分布不变的情况下，调整电力运输网络拓扑结构，使其在遭受到攻击或扰动时，网络功能尽可能的保持完整，即最大化地提高电力运输网络的鲁棒性。网络鲁棒性(Networkrobustness)是网络的一个重要属性，它是指网络在遭受到攻击、破坏或者扰动的情况下，其能否继续保持功能完善或者能否继续工作的一个重要的衡量指标。普遍的电力网络设计方法通过设计选择、交叉、变异等算子得到电力网络拓结构，但是方法中算子设计简单，导致深度搜索能力弱且容易陷入局部最优解。例如，申请公开号为C本文档来自技高网...

【技术保护点】
一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，其特征在于包括如下步骤：(1)设定多智能体遗传算法参数，并将多智能体遗传算法获取的种群作为待设计电力运输网络拓扑结构，其中设定的参数包括多智能体遗传算法的种群大小Ω、邻域竞争概率P0、邻域交叉概率Pc、变异概率Pm、局部搜索概率Pl和最大迭代次数N；(2)对多智能体遗传算法的种群进行初始化，得到初始化种群，并计算该初始化种群中每个个体的鲁棒值，实现步骤为：(2a)设定多智能体遗传算法种群的初始大小为1，从该种群个体中随机选择节点l,k之间的连接边elk和节点m,n之间的连接边emn，并删除所选的这两条边，在节点k,m之间重新建立连接边ek...

【技术特征摘要】
1.一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，其特征在于包括如下步骤：(1)设定多智能体遗传算法参数，并将多智能体遗传算法获取的种群作为待设计电力运输网络拓扑结构，其中设定的参数包括多智能体遗传算法的种群大小Ω、邻域竞争概率P0、邻域交叉概率Pc、变异概率Pm、局部搜索概率Pl和最大迭代次数N；(2)对多智能体遗传算法的种群进行初始化，得到初始化种群，并计算该初始化种群中每个个体的鲁棒值，实现步骤为：(2a)设定多智能体遗传算法种群的初始大小为1，从该种群个体中随机选择节点l,k之间的连接边elk和节点m,n之间的连接边emn，并删除所选的这两条边，在节点k,m之间重新建立连接边ekm，在节点l,n之间重新建立连接边eln，得到多智能体遗传算法中间种群，将该中间种群记为临时电力运输网络拓扑结构；(2b)判断临时电力运输网络拓扑结构是否连通，若是，将该临时电力运输网络拓扑结构作为新种群，并给新种群的大小加1，执行步骤(2c)；否则，删除节点k，m之间新建立的连接边ekm和节点l,n之间新建立的连接边eln，并还原步骤(2a)随机选择的节点l,k之间的连接边elk和节点m,n之间的连接边emn，执行步骤(2a)；(2c)判断新种群大小是否等于多智能体遗传算法的种群大小Ω，若是，将新种群作为多智能体遗传算法的初始化种群，并采用适应度函数公式，计算初始化种群中每个个体的鲁棒值，执行步骤(3)；否则，执行步骤(2a)；(3)对多智能体遗传算法的初始化种群进行邻域竞争，并计算邻域竞争种群中每个个体的鲁棒值，实现步骤为：(3a)按照均匀分布概率在0-1之间产生一个随机数u；(3b)判断随机数u是否小于邻域竞争概率P0，若是，执行步骤(3c)，否则执行步骤(3a)；(3c)遍历多智能体遗传算法的初始化种群，从多智能体遗传算法初始化种群中每次选择一个个体，并判断所选择个体的鲁棒值是否优于该个体邻域内鲁棒值最好个体的鲁棒值，若是，则所选择个体可以继续存活，用存活下来的个体替换多智能体遗传算法初始化种群中的对应个体，得到邻域竞争种群，并执行步骤(3d)，否则，用邻域内鲁棒值最好的个体替换多智能体遗传算法初始化种群中选择的个体，得到邻域竞争种群，并执行步骤(3d)；(3d)采用适应度函数公式，计算邻域竞争种群中每个个体的鲁棒值；(4)对邻域竞争种群进行邻域交叉，得到邻域交叉种群，实现步骤为：(4a)按照均匀分布概率在0-1之间产生一个随机数v；(4b)判断随机数v是否小于邻域交叉概率Pc；若是，执行步骤(4c)；否则，执行步骤(4a)；(4c)遍历邻域竞争种群，从邻域竞争种群中每次选择一个个体，将所选择个体与其邻域内鲁棒值最好的个体进行邻域交叉，得到多个邻域交叉个体，并用邻域交叉个体替换从邻域竞争种群中选择的对应个体，得到邻域交叉种群；(5)对邻域交叉种群进行变异，得到变异种...

【专利技术属性】
技术研发人员：刘静，焦李成，安柏慧，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61