改进的SAGA算法在变电站巡检作业调度中的应用

doi:10.3969/j.issn.1006-2475.2016.11.020

计算机与现代化

改进的SAGA算法在变电站巡检作业调度中的应用

1.国网安徽省电力公司信息通信分公司,安徽合肥230061;
2.国网信通产业集团安徽继远软件有限公司,安徽合肥230088

收稿日期:2016-05-04 出版日期:2016-11-15 发布日期:2016-11-23
作者简介:谢小军(1975-),男，安徽泾县人,国网安徽省电力公司信息通信分公司高级工程师,硕士,研究方向:电力通信网; 卓文合(1968-),男,安徽萧县人,高级工程师,硕士,研究方向:电力通信网运行和管理; 胡鹏(1987-),男,安徽肥西人,国网信通产业集团安徽继远软件有限公司工程师,硕士,研究方向:电力信息化。
基金资助:
国网安徽省电力公司科技项目（521207140080）

Application of Improved SAGA Algorithm in Substation Inspection Job Scheduling

1. Information and Telecommunication Branch of State Grid Anhui Electric Power Company, Hefei 230061, China;
2. Anhui Jiyuan Software Co. Ltd., State Grid Information & Telecommunication Group, Hefei 230088, China

Received:2016-05-04 Online:2016-11-15 Published:2016-11-23

摘要/Abstract

摘要： 针对多资源约束条件下变电站巡检作业调度问题,根据巡检成员的位置、当前任务、任务详情、待执行任务、巡检设备、设备历史巡检记录等因素，构建数学模型，并在此模型基础上提出一种改进的遗传算法。该算法解决了传统遗传算法陷入局部最优解的问题，且具有收敛速度快的特点。实验结果表明，SAGA算法在解决变电站巡检作业调度问题方面要优于GA算法，且具有更高的求解效率。


关键词: 作业调度, 变电站巡检, 遗传算法, 模拟退火算法

Abstract: Against the substation inspection operation scheduling problem under the condition of multi-resource constraints, according to the location of the inspection members, the current mission, the mission details, the tasks to be implemented, inspection equipment, historical inspection records and other factors, we built a mathematical model, and put forward an improved genetic algorithm. The algorithm solves the problem that the traditional genetic algorithm falls into the local optimal solution, and has the characteristics of fast convergence speed. The experimental results show that the SAGA algorithm is superior to GA algorithm to solve substation inspection job scheduling problem, and has higher calculation efficiency.


Key words: job scheduling, substation inspection, genetic algorithm, simulated annealing arithmetic

中图分类号:

TP301.6

谢小军１,卓文合1,胡鹏２. 改进的SAGA算法在变电站巡检作业调度中的应用[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.11.020.

XIE Xiao-jun1, ZHUO Wen-he1, HU Peng2. Application of Improved SAGA Algorithm in Substation Inspection Job Scheduling[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.11.020.

参考文献

［1］吴婉彬,汪晨,张贾军. 基于移动作业的变电站巡检方法［J］. 通信电源技术, 2015,32(6):246-249.
［2］周盼,张蕾. 基于Android平台的变电站智能巡检系统［J］. 计算机测量与控制, 2015,23(9):3073-3076.
［3］戴上平,高丽,朱长武. 基于遗传模拟退火算法的任务分配与调度［J］. 广西师范大学学报(自然科学版), 2006,24(4):151-154.
［4］钟求喜,谢涛,陈火旺. 基于遗传算法的任务分配与调度［J］. 计算机研究与发展, 2000,37(10):1197-1203.
［5］武兆慧,张桂娟,刘希玉. 基于模拟退火遗传算法的聚类分析［J］. 计算机应用研究, 2005,22(12):24-26.
［6］罗晨,李渊,刘勇,等. 基于模拟退火遗传算法的多Agent系统任务分配［J］. 计算机应用研究, 2012,29(6):2114-2116.
［7］程晖. 基于遗传模拟退火的服装排料算法的研究［D］. 上海:东华大学, 2012.
［8］吴鑫淼. 面向移动作业的供电公司排班调度优化模型及算法研究［D］. 杭州:杭州电子科技大学, 2013.
［9］章坚民,吴鑫淼,陈耀军,等. 供电公司移动作业排班调度优化模型及算法［J］. 电力系统自动化, 2013,37(14):81-88.
［10］郭建,苏玲. 遗传—模拟退火混合算法在配电网检修优化中的应用［J］. 陕西电力, 2011,39(6):44-46.
［11］温步瀛. 发电机组启停机计划的智能优化研究［D］. 福州:福州大学, 2006.
［12］Yoshikawa M, Yamauchi H, Terai H. Hybrid architecture of genetic algorithm and simulated annealing［J］. Engineering Letters, 2008,16(3):339-345.
［13］刘思革,程浩忠,崔文佳. 基于粗糙集理论的多目标电网规划最优化模型［J］. 中国电机工程学报, 2007,27(7):65-69.
［14］Zeng Bin, Wei Jun, Wang Wei, et al. Cooperative grid jobs scheduling with multi-objective genetic algorithm［C］// Proceedings of the 5th International Conference on Parallel and Distributed Processing and Applications. 2007:545-555.
［15］周鑫. 分布式数控系统车间排产系统的设计与实现［D］. 沈阳:中国科学院研究生院（沈阳计算技术研究所）, 2014.
［16］蒋美云. 遗传模拟退火算法在云调度中的应用研究［J］. 计算机与现代化, 2013(6):38-41.
［17］周鑫,马跃,胡毅. 求解车间作业调度问题的混合遗传模拟退火算法［J］. 小型微型计算机系统, 2015(2):370-374.

[1]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[2]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[3]	张志霞, 谢宝强. 基于FCGA-LSTM与迁移学习的天然气负荷预测[J]. 计算机与现代化, 2023, 0(07): 7-12.
[4]	汪敏, 徐英豪, 朱习军. 基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#[J]. 计算机与现代化, 2022, 0(11): 69-74.
[5]	王扬, 陈梅, 李晖. FOCoR:一种基于特征选择优化的课程推荐技术[J]. 计算机与现代化, 2022, 0(10): 1-7.
[6]	冉昊杰, 王宏智. 基于改进模拟退火算法的生鲜农产品配送中心选址[J]. 计算机与现代化, 2022, 0(10): 36-40.
[7]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[8]	吴代漾, 赵洁, 梁家铭, 董振宁, 梁周扬. C2C在线短租跨平台房东匹配算法[J]. 计算机与现代化, 2022, 0(06): 43-48.
[9]	徐胜超, 熊茂华. 基于遗传算法的容器云资源配置优化[J]. 计算机与现代化, 2022, 0(01): 108-112.
[10]	徐明, 张剑铭, 陈松航, 陈豪. 柔性作业车间调度问题的多目标优化算法[J]. 计算机与现代化, 2021, 0(12): 1-6.
[11]	张林鹏, 汪西原, 李强. 基于双池化特征加权结构CNN的图像分类[J]. 计算机与现代化, 2021, 0(11): 67-71.
[12]	白雪, 程宗毛. 无线传感网络监测质量的统计分析[J]. 计算机与现代化, 2021, 0(08): 1-5.
[13]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[14]	杨晓东. 基于遗传算法的会计资源共享管理风险评估模型[J]. 计算机与现代化, 2021, 0(06): 24-28.
[15]	刘军, 彭慧娴, 黄斌, 托尼·谢伊. 基于BP-GamysBoost的乳腺癌诊断模型[J]. 计算机与现代化, 2021, 0(04): 8-14.

改进的SAGA算法在变电站巡检作业调度中的应用

Application of Improved SAGA Algorithm in Substation Inspection Job Scheduling

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价