群知能と進化的計算の国際ジャーナル

概要

改良されたグローワーム群、認知発達、ブラックホール、強化されたコウモリアルゴリズムによる実際の電力損失の削減

カナガサバイ・レーニン

本稿では、最適無効電力問題を解決するために、改良型グローワーム群最適化 (IGSO) アルゴリズム、認知発達最適化 (CDO) アルゴリズム、ブラックホール アルゴリズム (BHA)、および多数のスキームの組み合わせによるバット​​ アルゴリズム (BACS) を提案します。グローワーム群最適化 (GSO) アルゴリズムは、獲物を引き付けるグローワームの発光行動からヒントを得た新しいアルゴリズムです。GSO アルゴリズムには、グローバル検索の制限、計算精度の低下があり、しばしば局所最適に陥ります。GSO の上記の欠点を克服するために、本稿では、問題を解決するための改良型 GSO アルゴリズムを提示します。グローワーム群最適化アルゴリズムには、均一分布突然変異とガウス分布突然変異を結合した並列ハイブリッド突然変異が組み込まれています。提案された (IGSO) アルゴリズムでは、各個体に動的な移動ステップ長が実装されています。どの世代でも位置が変化しない場合は、グローワームに正規分布変動が適用されます。次に、本論文では、無効電力問題を解決するために認知発達最適化 (CDO) アルゴリズムが利用されています。ピアジェの認知発達理論には、成熟、社会的相互作用、バランス、これら 3 つのプロセスがすべて、新しい学習フェーズ全体にわたって利用され、認知インフラストラクチャが継続的に改善されます。次に、この研究では、最適無効電力問題を解決するためのブラックホール アルゴリズム (BHA) を紹介します。集団の進化は、反復で最も優れた候補とブラックホールの旅程で候補を押し、探索空間の候補と交換することによって行われます。反復のすべての候補の中で優れた候補がブラックホールとして選択され、残りの候補が標準の星として形成されます。ブラックホールの形成はランダムではなく、作成された集団の実際の候補として形成されます。星の探索と利用を改善するために、重力情報が利用されています。星間の重力は一定であり、ブラックホールに向かう星の進行は、解決空間への侵入中に使用されます。次に、本論文では、最適無効電力問題を解決するために、多数のスキームの組み合わせによるバット​​アルゴリズム (BACS) を提案します。バットアルゴリズムは、コウモリの行動を模倣したものです。主に、放射から反射までの時間遅延が使用され、ナビゲーションに使用されます。アルゴリズムのグローバル収束能力は、オペレータの進行が増加すると弱くなり、探索オペレータが増加すると、収束精度が不十分になります。その結果、本論文では、問題を解決するために多数のスキームが選択され、自律選択戦略として機能します。提案されたアルゴリズムでは、さまざまな個体が、適応度の品質を参照して、位置を最新化するためにさまざまな戦略を好みます。提案された改良型グローワームスウォーム最適化 (IGSO) アルゴリズム、認知開発最適化 (CDO) アルゴリズム、ブラック ホール アルゴリズム (BHA)、および多数のスキームの組み合わせによる Bat アルゴリズム (BACS) が標準 IEEE 14、30,300 バス テスト システムでテストされており、シミュレーション結果では、計画されたアルゴリズムによって実際の電力損失が大幅に削減されることが示されています。