一种电力系统光通信网络多目标优化规划的方法

摘要

本发明公开一种电力系统光通信网络多目标优化规划的方法，这是一种基于Pareto优化理论和遗传算法的多目标电力光通信网络智能优化方法。Pareto优化理论针对解决存在互相冲突目标的网络优化问题，而遗传算法本身就是一种结合了方向搜索和统计搜索特性的多向优化算法，它能够有效避开局部最优点而找到全局最优点。本发明在多目标优化的框架下综合考虑网络负担和经济性，并选出Pareto最优点来构造出Pareto优化曲线从而对实际规划进行科学指导。本发明适用于综合考虑网络负担和经济性的电力光通信网络智能规划。

主权项

1.一种电力系统光通信网络多目标优化规划的方法，其特征在于，所述方法步骤为：（1）在节点固定的电力光通信中，多目标规划问题表示为如下求解最小值问题：其中是个需要优化的不同目标函数，是个逻辑变量代表着节点间链路连接与否；（2）定义整个网络为包含个节点的集合，用代表可能连接的链路的集合，为节点和之间链路的造价，为节点和之间链路的长度；列出网络中个通信需求的集合，需求被定义为集合，其中和分别代表通信需求的源节点和宿节点，表示其通信容量；（3）对于任一可能的网络构造，表示各条链路连接与否，用表示所有连接的链路结合；对每个通信需求，用图论中的Dijkstra算法得到节点和之间的最短路径，记为；定义目标函数为网络负担，网络负担可以表示为：而网络经济性目标函数可以表示为：于是加权的总目标函数为：其中是加权系数；（4）在总目标函数中令，用遗传算法对总目标函数进行优化---求解最小值，记取得最小值时，此时两个目标函数值记为：和；（5）逐渐增大，对每一个值用遗传算法对总目标函数进行优化，记取得最小值时，那么定义归一化的网络负担和造价函数分别为：该步骤中的选择可以很粗略，直到选择某个时停止该步骤；（6）将从0到平均选择400个点，对着400个值的每一个都用遗传算法对总目标函数进行优化，可以得到有400个点的解集，由这个解集按照Pareto优化理论中的如下定义选出Pareto最优点；（7）将上一步骤中得到的Pareto最优点连接起来得到Pareto最优曲线，该曲线横、纵坐标分别为网络负担和造价函数。