الگوريتم ژنتيك مبتني بر كد واقعي با جهش هوشمند براي حل مسائل پخش بار اقتصادي غيرمحدب

Real-Coded Genetic Algorithm with Smart Mutation for Solving Nonconvex Economic Dispatch Problems

در اين مقاله، يك روش جديد براي حل مسائل پخش بار اقتصادي با استفاده از الگوريتم ژنتيك مبتني بر كدهاي واقعي با جهش هوشمند پيشنهاد مي شود. در روش پيشنهادي كنترل لازم بر روي مقادير مجموع كروموزوم ها صورت مي‌گيرد در نتيجه نيازي به استفاده از هزينه جريمه در حل مسئله پخش بار اقتصادي نخواهد بود. اين روش بر روي الگوريتم ژنتيك كلاسيك جهت حل مسائل پخش بار اقتصادي غير محدب پياده شده است .روش پيشنهادي قابليت تعميم و پياده سازي بر روي انواع مسايل بهينه‌سازي را دارد. روش پيشنهادي ضمن كاهش محدوده جستجو، تنها در محدوده منطقي و قابل قبول شروع به اكتشاف هزينه بهينه مي‌نمايد. براي نشان دادن كارايي و عملكرد روش پيشنهادي، حل مسئله پخش بار اقتصادي با انواع قيودها در سيستم‌هاي 6 ژنراتوره، 15 ژنراتوره و 40 ژنراتوره با استفاده از روش پيشنهادي صورت گرفته است. نتايج كار با نتايج ساير الگوريتم‌هاي پيشرفته‌ تكنيكي مقايسه شده است كه نشان دهنده برتري روش پيشنهادي نسبت به ساير روش‌ها مي‌باشد.

In this paper, realcoded genetic algorithm with smart mutation (RCGASM) is proposed to solve the economic dispatch (ED) problem. In the proposed method, the required controlling process is accomplished on the total amount of chromosomes and consequently there is no need to use penalty cost function for controlling sum of variables in solving economic dispatch problem. This method will begin to explore the optimal answer just within the logic and acceptable zone in addition to its capability in reducing the search range. In order to show the performance and the efficiency of the proposed method, the ED problem considering several constraints is solved in 6, 15, and 40 units systems through the proposed technique. The proposed coding could effectively escapes from infeasible solutions. Thereby search efficiency and solution quality are dramatically improved. The obtained results are compared with other advanced technical algorithms, which well depicts the superiority of the RCGASM technique over the others compared methods.