Page 19 - 电力与能源2024年第五期

林少佳，等：基于混沌-遗传混合算法的多目标优化无功补偿研究 551

遗传算法在无功补偿的研究中取得了良好效果。 分个体基因进行变异，对父代基因进行变动，得到
然而，尽管遗传算法有明显优势，但其迭代复杂性 新的个体。
导致收敛速度较慢，难以快速准确地找到最优值。 （5）判断。对迭代过程进行条件判断，是否

因此，本文提出一种基于混沌理论与遗传算法结 达到终止迭代计算的条件。
合的无功补偿方法，利用混沌理论来弥补遗传算 1.2 混沌算法

法在处理复杂问题时可能存在的简单化缺陷。验 混沌算法是基于混沌理论衍生出来的智能算
证试验结果表明，所提出的无功补偿方法在成本 法，混沌理论实际上是将有序状态数据转变为一
目标上达到最优效果。 种无序状态数据 ［10］ 。混沌算法主要关注确定性系

统中出现的随机变化，研究确定性系统中的不确
1 算法理论
定性，打破常规线性规律，对不确定性进行探索
1.1 遗传算法
研究。
遗传算法是一种基于自然选择和遗传学机制
混沌算法具有随机性、敏感性、有界性、遍历
的迭代优化搜索算法，旨在将一组较差的解决方
性和规律性等特点。其中，随机性是指系统内部
［8］
案逐步优化为较优的解决方案 。遗传算法具有
发生的不可控事件，也是一种不规则行为。对于
鲁棒性和并行性，能够自适应地搜索全局最优点。
系统中的随机性事件，是无法对其进行准确预测
遗传算法的核心操作包括选择、交叉和变异
的。敏感性是指系统内部事件具有很多呈现形
［9］
操作 。选择操作是指算法对种群的选择，选择
式，对于事件之间的细微差别，混沌算法能表现
的原则是“优胜劣汰”，对优秀的个体进行选择，而
出很大的差异性，具有很强的事件分析能力。有
抛弃那些较差的个体。选择出来的优秀个体作为
界性是指混沌算法在一个固定区域内做无规则
父代，将优秀基因通过遗传传递到子代。交叉操
运动，尽管在这个过程中由于某些原因会产生新
作是指两个父代之间交换部分信息，组成新的子
的混乱，但都不会导致这个无规则运动偏离这个
代个体。通过交叉操作，选择操作选出的优秀个
固定区域。遍历性是指混沌算法在固定区域范
体基因得到了遗传，传递到下一代。变异操作是
围内能够遍历所有点且不会出现重复遍历。这
指在交叉操作的基础上部分基因得到了突变，在
种不重复遍历的特点，使得混沌算法在很大程度
父代优秀基因的基础上进行更优探索。变异操作
会产生两个结果，一个是使得子代优于父代，另一 上缩短了遍历时间。规律性是指混沌算法虽然
是一种无序的不规则变化，但是总体上呈现一定
个是使得子代劣于父代。重复选择操作，对子代
优秀个体再进行选择，进而再次进行交叉操作和 的 不 变 性 ，这 个 不 变 性 就 是 混 沌 算 法 的 规
变异操作，直到满足条件后结束。遗传算法的基 律性 ［11］ 。
本运行如下。 1.3 混沌-遗传混合算法

（1）初始化。初始化是遗传算法运行的准备 为了克服遗传算法迭代计算的复杂性，采用

工作，在这个过程中设定遗传代数的最大值，并随 混沌算法对遗传算法进行弥补。混沌算法的随
机生成初始种群个体作为遗传操作对象。 机性能够改善遗传算法迭代寻优的步长，加快遗
（2）选择操作。对初始化随机生成的种群个 传算法前期的搜索寻优速度。混沌算法的遍历

体进行评价，遵守“优胜劣汰”的原则选择出优秀 性能有效防止遗传算法对重复个体的计算，从而

个体作为父代。 减少所消耗的时间。混合算法的主要原理是采
（3）交叉操作。对选择出的父代进行基因交 用混沌噪声对遗传算法的交叉操作因子进行优

叉，产生新的个体，将优秀个体基因传递到子代。 化，将混沌噪声融入交叉运算中，从而优化遗传
（4）变异操作。在交叉操作的基础上，对部 算法。混沌-遗传混合算法的流程如图 1 所示。