寧鵬 張毅

（吉林建筑大學(xué)電氣與計(jì)算機(jī)學(xué)院 吉林 長(zhǎng)春 130000）

引言

隨著自然科學(xué)的不斷發(fā)展，許多生物群體的研究成果被運(yùn)用到算法的分析上，就此興起了很多群智能算法，其中蝙蝠算法是2010年劍橋大學(xué)的學(xué)者Yang教授提出的一種新型仿生智能優(yōu)化算法[1]。蝙蝠算法通過(guò)模擬蝙蝠回聲定位捕食獵物行為可以實(shí)現(xiàn)搜索問(wèn)題的最優(yōu)解。

如今越來(lái)越多的領(lǐng)域涉及到智能優(yōu)化的問(wèn)題，如城市交通尋求最短路徑，電力系統(tǒng)中尋求最經(jīng)濟(jì)運(yùn)行方式，供水供暖集團(tuán)尋求最優(yōu)方案等等，這些尋優(yōu)問(wèn)題使得基于純數(shù)學(xué)理論求最優(yōu)解問(wèn)題面臨新的挑戰(zhàn)。利用蝙蝠算法能較好的處理非凸、非連續(xù)、多峰問(wèn)題的優(yōu)點(diǎn)去解決組合優(yōu)化和數(shù)據(jù)挖掘等問(wèn)題。

1 蝙蝠算法的研究現(xiàn)狀

傳統(tǒng)數(shù)學(xué)優(yōu)化法要求目標(biāo)函數(shù)連續(xù)可導(dǎo)，求解出的解往往是局部最優(yōu)解，但處理離散變量比較困難，基于這一問(wèn)題，眾多學(xué)者在蝙蝠算法的基礎(chǔ)上不斷創(chuàng)新與改進(jìn)，在其精確度，收斂性等方面都有了極大的提升。

李志軍[2]借鑒粒子群算法的優(yōu)化策略，提出了一種帶速度限制的自適應(yīng)混沌蝙蝠算法（LIBA）.通過(guò)Halton序列初始化蝙蝠的位置，利用速度限制來(lái)約束蝙蝠位置更新，采用慣性權(quán)重和自適應(yīng)尋優(yōu)學(xué)習(xí)因子改進(jìn)了算法的求解精度和收斂速度；通過(guò)加速穿越和混沌擾動(dòng)的策略，防止陷入局部最優(yōu)。

郭旭，賀興時(shí)等人[3]針對(duì)基本蝙蝠算法存在的后期收斂速度慢、易陷入局部極值、穩(wěn)定性差等缺點(diǎn)，提出一種基于精英反向?qū)W習(xí)的混沌蝙蝠算法。該算法引入精英反向?qū)W習(xí)策略，通過(guò)比較精英個(gè)體與其的反向解并擇優(yōu)，充分利用優(yōu)秀個(gè)體信息，加快算法收斂速度，同時(shí)，在迭代過(guò)程中對(duì)蝙蝠位置進(jìn)行混沌擾動(dòng)，增加種群多樣性，有效地提高了算法的搜索能力和搜索精度。

鄭浩，于俊洋等人[4]針對(duì)蝙蝠算法尋優(yōu)精度低、易陷入局部極值、求解不穩(wěn)定的問(wèn)題，提出了一種基于余弦控制因子和迭代局部搜索策略的蝙蝠的算法。首先在蝙蝠速度公式中加入由余弦因子控制的非線(xiàn)性慣性權(quán)重，來(lái)動(dòng)態(tài)調(diào)節(jié)算法全局搜索與局部搜索的平衡，提高算法尋優(yōu)精度和穩(wěn)定性。

2 蝙蝠算法在電網(wǎng)規(guī)劃應(yīng)用現(xiàn)狀

蝙蝠算法作為一種搜索全局最優(yōu)解的有效方法，且具有模型簡(jiǎn)單、收斂速度快等特點(diǎn)。自BA提出以來(lái)，已有不少學(xué)者將其應(yīng)用于優(yōu)化問(wèn)題，其中包括電網(wǎng)規(guī)劃中的火電機(jī)組經(jīng)濟(jì)調(diào)度，輸電網(wǎng)規(guī)劃，配電網(wǎng)重構(gòu)以及醫(yī)療健康，定位服務(wù)等領(lǐng)域。另外蝙蝠算法對(duì)簡(jiǎn)單函數(shù)優(yōu)化、生產(chǎn)調(diào)度、分類(lèi)類(lèi)別、模式識(shí)別等，相對(duì)于粒子群算法(PSO)，遺傳算法(GA)以及和聲搜索算法(HS)等具有更大潛能。本文主要介紹了蝙蝠算法在電網(wǎng)規(guī)劃上的應(yīng)用。

崔崇雨，朱瑞金等人[5]提出一種混沌蝙蝠算法（Chaotic Bat Algorithm，CBA）求解含分布式發(fā)電（Distributed Generation，DG）的配電網(wǎng)無(wú)功優(yōu)化問(wèn)題?；跇?biāo)準(zhǔn)蝙蝠算法改進(jìn)的混沌蝙蝠算法可以提高全局收斂性，并成功應(yīng)用于求解火電機(jī)組經(jīng)濟(jì)調(diào)度、輸電網(wǎng)規(guī)劃、配電網(wǎng)重構(gòu)等優(yōu)化問(wèn)題

吳忠強(qiáng)，于丹琦等人[6]發(fā)現(xiàn)在光伏發(fā)電系統(tǒng)中，經(jīng)常存在電池板局部被遮擋的情況，造成電池板出現(xiàn)多峰極值的現(xiàn)象。改進(jìn)了原始蝙蝠算法(bat algorithm，BA)計(jì)算過(guò)程中隨機(jī)項(xiàng)較少，容易陷入局部極值的缺陷，解決了傳統(tǒng)的最大功率點(diǎn)(MPPT)搜索方法常常會(huì)陷入局部極值，從而錯(cuò)過(guò)或丟失系統(tǒng)的全局最大功率點(diǎn)，甚至產(chǎn)生振蕩導(dǎo)致系統(tǒng)輸出不穩(wěn)定的問(wèn)題。

和其他智能優(yōu)化算法，EBA算法可獲得更優(yōu)的發(fā)電費(fèi)用。

3 結(jié)論與展望

蝙蝠算法自身具備很多優(yōu)點(diǎn)，如算法參數(shù)少、模型簡(jiǎn)單、通用性強(qiáng)等。其中蝙蝠算法對(duì)燃?xì)廨啓C(jī)發(fā)電系統(tǒng)進(jìn)行性能優(yōu)化和狀態(tài)監(jiān)測(cè)，求解無(wú)刷直流齒輪電機(jī)問(wèn)題，以及解決拓?fù)鋬?yōu)化問(wèn)題中的彈簧問(wèn)題和減速器問(wèn)題都強(qiáng)于其他群智能算法。隨著蝙蝠算法的推廣，也發(fā)現(xiàn)了它存在易陷入局部最優(yōu)解、收斂精度不高、算法收斂速度不均衡等缺點(diǎn)。針對(duì)蝙蝠算法的這些劣勢(shì)，許多學(xué)者和研究人員通過(guò)大量的仿真實(shí)驗(yàn)對(duì)蝙蝠算法做出了各種相應(yīng)的改進(jìn)。蝙蝠算法可以跟其他算法有效的結(jié)合，發(fā)展?jié)摿薮?，以后能?yīng)用到更多的領(lǐng)域。

未來(lái)蝙蝠算法也可以和云計(jì)算中心的數(shù)據(jù)相結(jié)合，起到一定的預(yù)測(cè)作用。比如通過(guò)電力系統(tǒng)中模型處理負(fù)荷的歷史數(shù)據(jù)和天氣數(shù)據(jù)，對(duì)未來(lái)一段時(shí)間某個(gè)地區(qū)的負(fù)荷進(jìn)行預(yù)測(cè)，進(jìn)一步提高負(fù)荷預(yù)測(cè)的精確度，對(duì)用電管理、能源消耗的控制、電力系統(tǒng)的經(jīng)濟(jì)消耗和社會(huì)收益都有著非常重要的意義。