變壓器之遺傳算法(Genetic Algorithm)的具體實現(xiàn)過程

遺傳算法(Genetic Algorithm)是一類借鑒生物界的進化規(guī)律(適者生存，優(yōu)勝劣汰遺傳機制)演化而來的隨機化搜索方法。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導和函數(shù)連續(xù)性的限定;具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力;采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應用于組合優(yōu)化、機器學習、信號處理、自適應控制和人工生命等領(lǐng)域。它是現(xiàn)代有關(guān)智能計算中的關(guān)鍵技術(shù)。

遺傳算法的具體實現(xiàn)過程如下：

(1)編碼方式編碼方式分為二進制編碼和實數(shù)編碼2種，如何選取，因?qū)ο蠖?。本文采用實?shù)編碼，每個個體(即問題的解)為{T，x，y，z，原始適應度值，標準適應度值}形式的向量。x，y，z為放電點坐標，應位于變壓器油箱內(nèi)，T為基準傳感器接收到超聲信號所需的時間，該解對應的原始適應度值，在程序中對應的是lsquare，經(jīng)線性排名處理后的標準適應度值在程序中對應的是fitness。

(2)適應度函數(shù)與適應值個體的適應值表示解的優(yōu)劣，設(shè)適應度函數(shù)為f.f=4i=1fi(4)由公式(2)得fi=(x-xsi)2+(y-ysi)2+(z-zsi)2-Cs(T+1i)>2這里對于每個個體而言，f的值對應個體的原始適應度值lsquare，表示預測放電點與實際放電點之間的誤差，此值應越小越好，但為了遺傳操作的方便，將lsquare值經(jīng)線性排名后得到標準適應度值fitness，對個體而言，fitness越大越好。種群規(guī)模在計算速度和數(shù)值范圍能接受時，可取大一些，這里取的是4800。

(3)選擇策略由標準適應度值fitness按轉(zhuǎn)盤式選擇方法選擇父體來進行遺傳運算。對于個體而言，fitness越大，則被選中的概率越高，被遺傳下去的概率也越高，這就使得較好的解得到保留，而較差的解則可能逐漸被淘汰。

(4)遺傳操作這里采用了整體算術(shù)雜交，在實際遺傳過程中，每次按轉(zhuǎn)盤式選擇從父種群中獲得2個不同個體作為父體，設(shè)為Vi={500，0，40，200，548，20}，Vj={300，200，120，80，300，40}，隨機產(chǎn)生一個01之間的數(shù)alpha，設(shè)為0.5，則按雜交概率進行雜交得Wi、Wj。其中Wi的前4個元素按Wi=Vialpha+Vj(1-alpha)的規(guī)律得到，為400，100，80，140，其400=5000.5+300(1-0.5)，其余3個元素以此類推。再按適應度函數(shù)計算得其lsquare及fit-ness.Wj前4個元素的獲得按照Wj=Vjalpha+Vi(1-alpha)得到，再按適應度函數(shù)計算其lsquare及fitness.這里Wi，Wj即為雜交得到的子個體。不斷重復上面過程，當子個體總數(shù)達到種群規(guī)模M時，則得到了新一代種群。變異方法為自適應性變異。這里引入了一個變異溫度t的概念，t可控制個體的變異范圍。當解的lsquare值較小時，則t的值較大，使得該解變異的范圍較小，以保護較好的解;當解的lsquare值較大時，則t的值較小，使得該解變異的范圍較大，以拓寬搜索區(qū)域。t的計算公式為t=1-1.0log(lsquare)。

(5)可見，當lsquare較小時，t也相應的較小。在由父種群經(jīng)雜交獲得子種群過程中，對子種群按變異概率進行變異操作。雜交概率一般較大，可取0.80.9，以增加搜索強度，而變異概率一般較小，0.10.2，以使個體有一定的穩(wěn)定性。最大計算代數(shù)可適當選取一較大數(shù)即可，這里取500.(6)終止條件在遺傳過程中，不斷用新產(chǎn)生的子種群作為父種群，進行遺傳操作得到下一代種群。若連續(xù)50代后，解的適應值無明顯的改進或達到最大計算數(shù)，則中止，取最后一代適應值最優(yōu)的個體作為最優(yōu)解。3算例實驗變壓器為一800mm1200mm1000mm的油箱，無蓋，其中安裝一個針板電極(針板之間塞入用于變壓器的絕緣材料).當電壓上升到達5kV時，將產(chǎn)生超聲信號。