[发明专利]基于粒子群算法的电力运输网络拓扑结构设计方法

权利要求书

1.一种基于粒子群算法的电力运输网络拓扑结构设计方法，包括如下步骤：

(1)设定参数：

将粒子群的种群大小设定为8，将粒子群算法的惯性权重设定为0.5，粒子群算法的加速因子c1和c2分别设定为6和3，粒子群算法的最大迭代次数设定为6250；

(2)初始化种群：

(2a)从电力运输网络拓扑结构中随机选择两条边，记为e_ij和e_lk，其中，e_ij和e_lk分别表示节点i，j之间的连接边和节点l，k之间的连接边，并删除所选的两条边e_ij和e_lk，在节点i和k之间建立新的连接边e_ik，在节点j，l之间建立新的连接边e_jl，得到临时电力运输网络拓扑结构；

(2b)判断当前已随机选择边数的总和是否为最大选择边数10，若是，则将临时电力运输网络拓扑结构作为新的电力运输网络拓扑结构，执行步骤(2c)，否则，用临时电力运输网络拓扑结构代替电力运输网络拓扑结构，执行步骤(2a)；

(2c)从新的电力运输网络拓扑结构中选出第一个节点；

(2d)将所选节点的所有邻居作为该节点的位置编码；

(2e)将所选节点的邻居相似度作为该节点的速度编码；

(2f)判断所选节点是否为最后一个节点，若是，则执行步骤(2g)，否则，从新的电力运输网络拓扑结构中，选出当前所选节点的下一个节点，执行步骤(2d)；

(2g)采用适应度函数公式，计算种群个体的网络鲁棒性；

(2h)从种群个体中选出网络鲁棒性最高的个体，作为初始个体最优；

(2i)从个体最优中选出网络鲁棒性最高的个体，作为初始全局最优；

(3)产生新的个体：

(3a)根据粒子群速度更新公式，得到新的个体速度；

(3b)从种群个体中选出第一个节点；

(3c)当所选节点的个体速度小于所设定的粒子群算法的惯性权重时，从所选节点的邻居节点中随机选出一个节点x，从全局最优个体中与所选节点相对应的节点的邻居节点中随机选出一个节点y，再从种群个体的网络拓扑结构中随机选择与节点y相连的节点z，在所选节点和节点y之间建立连接边，在节点x和z之间建立连接边，删除所选节点和节点x之间的连接边，删除节点y和z之间的连接边，得到所选节点更新后的个体位置；

(3d)判断所有节点是否为最后一个节点，若是，则执行步骤(3e)，否则，从种群个体中，选出当前所选节点的下一个节点，执行步骤(3b)；

(3e)对种群个体更新后的个体位置进行解码，得到新的种群个体；

(4)产生新的个体最优和全局最优：

(4a)从新的种群中选出第一个种群个体；

(4b)采用适应度函数公式，计算所选种群个体的网络鲁棒性；

(4c)从所选种群个体和该个体的个体最优中，选出网络鲁棒性高的种群个体作为新的个体最优；

(4d)判断所选种群个体是否为最后一个种群个体，若是，则执行步骤(4e)，否则，从新的种群中选出所选种群个体的下一个种群个体，执行步骤(4b)；

(4e)从所有新的个体最优中选出网络鲁棒性最高的个体，作为新的全局最优；

(5)生成新的种群：

(5a)采用邻域自生种群方法，生成新的电力运输网络拓扑结构；

(5b)将新的电力运输网络拓扑结构进行编码，生成新的种群个体，将新的种群个体加入新的种群；

(5c)判断新的粒子群的种群大小是否等于8，若是，则执行步骤(6)，否则，执行步骤(5a)；

(6)判断当前迭代次数是否满足最大迭代次数6250，若满足，执行步骤(7)，否则，执行步骤(3)；

(7)输出最优网络结构。

2.根据权利要求1所述的基于粒子群算法的电力运输网络拓扑结构设计方法，其特征在于，步骤(2e)所述的节点的邻居相似度表示，该节点与全局最优个体中与之具有相同编号的节点，具有的相同邻居的个数占所有邻居个数的比例。