求遗传算法怎样应用到潮流计算中

小麦种子

tic

%定义遗传算法参数

NIND=100;%个体数目

MAXGEN=300;%最大遗传代数

NVAR=32;%变量的维数

PRECI=3;%变量的二进制位数

GGAP=0.9;%代沟

trace=zeros(MAXGEN,2);%寻优结果的初始值

%建立区域描述器

FieldD=[rep([PRECI],[1,NVAR]);rep([0;7],[1,NVAR]);rep([1;0;1;1],[1,NVAR])];

Chrom=crtbp(NIND,NVAR*PRECI);%创建初始种群

chrom=bs2rv(Chrom,FieldD);

qc=0.03*chrom;%计算初始种群的十进制转换

gen=0;%代计数器

bus=[1
0
0
0
0

2
0
0

0
0

3
0
0
0
0

4
-0.16
-0.08
0
0

5
-0.16
-0.08
0
0

6
0
0
0
0

7
-0.16
-0.08
0
0

8
-0.16
-0.08

0
0

9
-0.16
-0.08
0
0

10
0
0
0
0

11
-0.16
-0.08
0
0

12
-0.16
-0.08
0
0

13
-0.16
-0.08
0
0

14
0
0
0
0

15
-0.16
-0.08
0
0

16
-0.16
-0.08
0
0

17
-0.16
-0.08
0
0

18
-0.16
-0.08
0
0

19
0
0
0
0

20
-0.16
-0.08
0

0

21
-0.16
-0.08
0
0

22
0
0
0
0

23
-0.16
-0.08
0
0

24
-0.16
-0.08
0
0

25
0
0
0
0

26
-0.16
-0.08
0
0

27
-0.16
-0.08
0
0

28
0
0
0
0

29
-0.16
-0.08
0
0

30
-0.16
-0.08
0
0

31
-0.16
-0.08
0
0

32
-0.16
-0.08
0
0

];

q0=bus(:,3)';

for i=1:NIND

Q=q0+qc(i,:);

Ploss1(i) = cljs1(Q);

end

ObjV=Ploss1'
;%计算初始种群个体的目标函数值

while gen<MAXGEN,%迭代

FitnV=ranking(ObjV);%分配适应度值

SelCh=select('sus',Chrom,FitnV,GGAP);%选择

SelCh=recombin('xovdp',SelCh,0.7);%重组

SelCh=mut(SelCh);%变异

qc=0.03*bs2rv(SelCh,FieldD);%子代个体的十进制转换

a=size(qc);

b=a(1,1); %变异后种群的个数

for k=1:b

Q=q0+qc(k,:);

Ploss2(k) = cljs1(Q);

end

ObjVSel=Ploss2'
;%计算子代的目标函数值

[Chrom ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);%重插入子代的新种群

gen=gen+1;%代计数器增加

%输出最优解及其对应的32个自变量的十进制值，Y为最优解，I为种群的序号，并在目标函数图像中标出

[Y,I]=min(ObjV);hold on;

trace(gen,1)=min(ObjV);
%遗传算法性能跟踪

trace(gen,2)=sum(ObjV)/length(ObjV);

end

[Y,I]

variable=chrom(I,:),Y

plot(trace(:,1));hold on;

plot(trace(:,2),'-.');grid;

legend('种群均值的变化','解的变化')

xlabel('迭代次数');ylabel('目标函数值')

toc

总是弹出未定义rep