本文關(guān)鍵詞：基于智能優(yōu)化算法的輸電線(xiàn)路路徑優(yōu)化問(wèn)題的研究

  更多相關(guān)文章： 輸電線(xiàn)路 路徑優(yōu)化 蟻群算法 遺傳算法

【摘要】：日常生活和生產(chǎn)活動(dòng)每時(shí)每刻都在消耗著電力,電力系統(tǒng)可以說(shuō)是現(xiàn)代社會(huì)生活的命脈,由于需求量的急劇增加,新的輸電線(xiàn)路需要建設(shè)。輸電線(xiàn)路的前期設(shè)計(jì)對(duì)于后期的施工、建成后的使用及運(yùn)行維護(hù)情況都影響很大,因此設(shè)計(jì)一條既經(jīng)濟(jì)合理又保證電力安全運(yùn)行的線(xiàn)路十分重要。傳統(tǒng)設(shè)計(jì)方法既耗時(shí)費(fèi)力又往往得不到較好的線(xiàn)路,本文欲借助Google Earth和CAD技術(shù)進(jìn)行輔助設(shè)計(jì),改善優(yōu)化結(jié)果,提高效率。輸電線(xiàn)路在地球表面呈線(xiàn)形,因此優(yōu)化目標(biāo)相當(dāng)于是在一個(gè)三維表面上尋找一條滿(mǎn)足各項(xiàng)要求的最優(yōu)線(xiàn)路。輸電線(xiàn)路路徑優(yōu)化時(shí),要考慮的影響因素有許多,有地形地貌信息、建筑及社會(huì)因素、工程技術(shù)條件等,是一個(gè)多目標(biāo)規(guī)劃的復(fù)雜問(wèn)題。傳統(tǒng)的數(shù)學(xué)規(guī)劃方法在面對(duì)多目標(biāo)多約束的問(wèn)題時(shí),求解難度很大,而近年來(lái)才迅速發(fā)展起來(lái)的智能優(yōu)化算法,在處理這一類(lèi)復(fù)雜問(wèn)題時(shí)有很大的優(yōu)勢(shì),因?yàn)橹悄軆?yōu)化算法并不是求精確最優(yōu)解,而是求近似精確的滿(mǎn)意解,以損失一部分精確度為代價(jià),換取計(jì)算的效率。本文是考慮輸電線(xiàn)路路徑優(yōu)化問(wèn)題時(shí),將需要考慮的約束因素進(jìn)行取舍,簡(jiǎn)化模型便于優(yōu)化和計(jì)算,意在先設(shè)計(jì)出一條大致滿(mǎn)意的線(xiàn)路,給設(shè)計(jì)人員以參考,后續(xù)在考慮細(xì)節(jié)上可以再進(jìn)行更改。本文將模型簡(jiǎn)化為求在三維表面上,兩點(diǎn)之間的最短距離。使用柵格模型,在實(shí)際的地表上,用Google Earth提取地理信息數(shù)據(jù),然后進(jìn)行處理計(jì)算,將地形和所初步設(shè)計(jì)的線(xiàn)路模擬顯示出,最后再通過(guò)坐標(biāo)的反轉(zhuǎn)換,將最終的線(xiàn)路顯示在Google Earth上。在計(jì)算所提出模型中最優(yōu)線(xiàn)路時(shí),本文介紹了兩種方法,蟻群算法和遺傳-蟻群混合算法。蟻群算法和遺傳算法都是來(lái)源于生物界的近似算法,都有較強(qiáng)的計(jì)算效率和較好的收斂效果。本文先用蟻群算法進(jìn)行了路徑優(yōu)化,根據(jù)文中實(shí)際問(wèn)題需要,并做出了一定的改進(jìn)和創(chuàng)新,將信息素存留在柵格模型的單元格上,減少計(jì)算量也降低了計(jì)算空間。另外,考慮到坡度的限制,本文中在計(jì)算路徑長(zhǎng)度時(shí),在海拔距離差上加入了一個(gè)權(quán)重來(lái)避免陡坡。由于遺傳算法在柵格模型圖中,生成初始解時(shí)容易有大量的非可行解,且在變異和交叉中容易造成路徑中斷,不適合單獨(dú)使用在本文問(wèn)題中,但遺傳算法又有較好的全局搜索能力,因此,將兩者結(jié)合起來(lái)使用。先使用蟻群算法生成初始解,再通過(guò)遺傳算法進(jìn)行交叉和變異操作,其中在變異操作中,融合了蟻群算法,加快了算法的收斂速度。通過(guò)這兩種算法的混合,吸收各自的優(yōu)點(diǎn),加快了搜索速度和提高解的質(zhì)量。本文的創(chuàng)新點(diǎn)主要在于以下幾點(diǎn):(1)將輸電線(xiàn)路路徑優(yōu)化問(wèn)題建立一個(gè)適宜在計(jì)算機(jī)上進(jìn)行模擬計(jì)算的模型。(2)運(yùn)用智能優(yōu)化算法,即改進(jìn)后的遺傳-蟻群混合算法求解路徑優(yōu)化問(wèn)題。(3)本文應(yīng)用實(shí)驗(yàn)室所開(kāi)發(fā)的一種面向電力行業(yè)的輸電線(xiàn)路的選址與優(yōu)化的三維CAD系統(tǒng),在此系統(tǒng)上進(jìn)行數(shù)據(jù)提取、路徑優(yōu)化以及優(yōu)化結(jié)果的顯示。
【關(guān)鍵詞】：輸電線(xiàn)路 路徑優(yōu)化 蟻群算法 遺傳算法
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18;TM75
【目錄】：

• 摘要6-8
• Abstract8-10
• 第一章 緒論10-15
• 1.1 研究背景與研究意義10-11
• 1.2 國(guó)內(nèi)外對(duì)輸電線(xiàn)路優(yōu)化問(wèn)題的研究現(xiàn)狀11-13
• 1.2.1 輸電線(xiàn)路路徑選擇的基本要求11-12
• 1.2.2 國(guó)內(nèi)外對(duì)輸電線(xiàn)路優(yōu)化問(wèn)題的研究12-13
• 1.3 本文內(nèi)容及創(chuàng)新點(diǎn)13-15
• 第二章 輸電線(xiàn)路優(yōu)化模型構(gòu)建15-26
• 2.1 輸電線(xiàn)路優(yōu)化15-17
• 2.1.1 輸電線(xiàn)路的基本概念15
• 2.1.2 輸電線(xiàn)路設(shè)計(jì)時(shí)應(yīng)注意的影響因素15-16
• 2.1.3 輸電線(xiàn)路優(yōu)化的目標(biāo)和特點(diǎn)16-17
• 2.2 路徑優(yōu)化17-22
• 2.2.1 路徑優(yōu)化的基本問(wèn)題17-19
• 2.2.2 常用的解決路徑優(yōu)化問(wèn)題的算法19-22
• 2.3 輸電線(xiàn)路路徑優(yōu)化模型構(gòu)建22-25
• 2.3.1 輸電線(xiàn)路路徑優(yōu)化模型分析22-23
• 2.3.2 柵格模型和矢量模型23-24
• 2.3.3 地圖單元格24-25
• 2.4 本章小結(jié)25-26
• 第三章 基于蟻群算法的線(xiàn)路優(yōu)化26-36
• 3.1 蟻群算法簡(jiǎn)介26-29
• 3.1.1 蟻群算法的基本原理26-27
• 3.1.2 基本蟻群算法的數(shù)學(xué)模型27-29
• 3.2 蟻群算法應(yīng)用于輸電線(xiàn)路路徑優(yōu)化29-34
• 3.2.1 下一步可行點(diǎn)集30-31
• 3.2.2 螞蟻的選擇策略31
• 3.2.3 信息素更新規(guī)則31-34
• 3.3 本章小結(jié)34-36
• 第四章 基于遺傳-蟻群混合算法的線(xiàn)路優(yōu)化36-46
• 4.1 遺傳算法簡(jiǎn)介36-38
• 4.1.1 遺傳算法的基本原理36-37
• 4.1.2 基本遺傳算法的數(shù)學(xué)模型37-38
• 4.2 遺傳-蟻群混合算法應(yīng)用于輸電線(xiàn)路優(yōu)化38-45
• 4.2.1 編碼40
• 4.2.2 變異算子40-41
• 4.2.3 交叉算子41
• 4.2.4 適應(yīng)度函數(shù)41-42
• 4.2.5 選擇算子42-45
• 4.3 本章小結(jié)45-46
• 第五章 實(shí)例分析46-56
• 5.1 實(shí)例應(yīng)用平臺(tái)46-49
• 5.1.1 Google Earth47
• 5.1.2 ACIS/HOOPS平臺(tái)47-48
• 5.1.3 路徑優(yōu)化的實(shí)現(xiàn)過(guò)程48-49
• 5.2 數(shù)據(jù)獲取和轉(zhuǎn)化處理49-52
• 5.3 三維地形重構(gòu)顯示52-53
• 5.4 優(yōu)化路徑53-55
• 5.4.1 模擬地形中顯示優(yōu)化路徑53-54
• 5.4.2 Google Earth上顯示優(yōu)化路徑54-55
• 5.5 本章小結(jié)55-56
• 第六章 總結(jié)與展望56-58
• 6.1 總結(jié)56-57
• 6.2 展望57-58
• 參考文獻(xiàn)58-61
• 攻讀學(xué)位期間的論文發(fā)表及項(xiàng)目參與情況61-62
• 致謝62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張瀟方;張應(yīng)應(yīng);;克強(qiáng)指數(shù)反映中國(guó)經(jīng)濟(jì)現(xiàn)實(shí)狀況的優(yōu)越性研究[J];統(tǒng)計(jì)與決策;2014年22期

2 李安洪;;電力線(xiàn)路設(shè)計(jì)中線(xiàn)路路徑選擇問(wèn)題研究[J];通訊世界;2014年12期

3 楊清四;;海拉瓦技術(shù)在輸電線(xiàn)路工程中的應(yīng)用[J];硅谷;2012年15期

4 潘杰;王雪松;程玉虎;;基于改進(jìn)蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2012年01期

5 馬立廣;曹彥榮;;Google Earth COM API及KML技術(shù)在旅游管理信息系統(tǒng)開(kāi)發(fā)中的應(yīng)用[J];地球信息科學(xué)學(xué)報(bào);2010年06期

6 毛克;劉江龍;劉永強(qiáng);;Google Earth三維選線(xiàn)技術(shù)在高壓送電線(xiàn)路中的應(yīng)用[J];電力勘測(cè)設(shè)計(jì);2010年04期

7 何娟;涂中英;牛玉剛;;一種遺傳蟻群算法的機(jī)器人路徑規(guī)劃方法[J];計(jì)算機(jī)仿真;2010年03期

8 劉學(xué);劉希玉;;基于HOOPS/ACIS的三維園林設(shè)計(jì)系統(tǒng)[J];合肥學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年04期

9 鄭團(tuán)結(jié);景欽剛;;基于海拉瓦—洛斯達(dá)技術(shù)的輸電線(xiàn)路優(yōu)化設(shè)計(jì)與應(yīng)用研究[J];水電能源科學(xué);2007年06期

10 吉根林;遺傳算法研究綜述[J];計(jì)算機(jī)應(yīng)用與軟件;2004年02期

，

本文編號(hào)：589328