量子遗传算法的改进及其在火电机组负荷优化分配上的应用

【摘要】：量子遗传算法是将量子计算的概念和理论与遗传算法的迭代进化思想相结合的一种概率搜索算法。针对量子遗传算法(QGA)中量子旋转门更新操作复杂而且耗时长的缺点,本文提出一种改进型量子遗传算法,采用单实数编码取代原算法的实数对编码,减少内存存储,将染色体的更新由矩阵与向量相乘简化为步长加减,减小计算量。这些改进极大的提高了算法的运行速度,还使算法更为简洁而易于实现。 在解决带约束优化问题上,本文设计一种基于量子遗传算法的量子不确定性理论的检测旋转门法。此方法通过对非可行域的染色体进行重复测量直至满足约束条件,使得每个个体都处于可行域,并对这些染色体进行检测旋转门操作,同时对算法的变异部分进行了改进。经测试证明此方法在解决带约束的优化问题上有着良好的优化性能。 最后,通过对火电机组负荷优化分配问题的研究,建立问题的数学模型,确定问题的约束条件。再使用改进型量子遗传算法和检测旋转门法对其进行优化求解,确定优化方案以及算法的细节部分,并通过实例仿真证明了改进型量子遗传算法和检测旋转门法在火电机组负荷优化分配问题上的有效性。