摘要：对于高维复杂函数优化问题,经典的优化算法存在着初始点敏感、局部收敛等问题;而模拟退火算法等智能算法则有着计算成本高昂、算法早熟等缺陷。nfl定理犤1犦预示了混合优化策略是解决实际优化问题的最好途径。该文融合了模拟退火算法和经典算法的优点,设计了高维复杂函数混合模拟退火优化策略。混合优化策略具有模拟退火算法的全局收敛性,同时引入强局部收敛经典算法作为模拟退火算法的精英个体提高算子,提高了模拟退火算法局部开采能力,加快了收敛速度。数值仿真计算结果表明,混合模拟退火策略求解高维复杂函数的性能大大优于单一算法,具有强鲁棒性、高收敛速度和高精度等优点。该文的算法设计思想对于解决实际问题有较好的借鉴意义。

摘要：智能算法用于求解最优潮流(Optimal Power Flow, OPF)问题的研究由来已久,而没有免费午餐定理(No Free Lunch Theorem, nfl)已经证明没有适用于所有优化问题的超级算法,故近年来大量智能算法及其改进算法被用来求解OPF问题。本文使用粒子群算法,花朵授粉算法及一种改进花朵授粉算法,以两种IEEE30节点算例系统和东北电网500kV网架系统为算例,研究了两种智能算法的参数取值对其求解最优潮流的性能的影响,仿真结果表明不同的参数取值对算法求解OPF时性能的影响较大,在不同算例上最优参数的取值并不相同。另外,两种算法及一种改进算法在求解不同算例的OPF问题时性能排序不一致,说明这几种算法在求解不同算例时并无普适性。