中英文资料对照外文翻译文献综述
文献名称（中文）
扩展的粒子群算法与经典优化算法的比较： 一个关于静止同步补偿器放置问题的案例研究
文献名称（外文）
Comparison of Enhanced-PSO and Classical Optimization
Methods: a case study for STATCOM placement
作者：Yamille哈利和罗纳德德尔
起止页码：1-31
出版日期（期刊号）：2013,7,13 出版单位：中国科学出版社
概要一这篇论文证实了一种扩展的粒子群优化算法用于一个动力系统中解决柔性交 流输电系统设备的优化配置问题的有效性。在进行关于静止同步补偿器设备优化配置的 一项简单且符合实际的案例研究中，就稳态和经济指标而言，粒子群优化算法的性能可 以和经典优化算法相比较。这篇论文也谈及了在文章中易于被忽视的概念和细节，因为 优化算法的选择在很大程度依赖于这些概念和细节。
关键词：柔性交流输电系统，经典优化，奔德斯分解，分支定界，进化，计算技术，粒 子群优化
I、简介
柔性交流输电系统的优化配置概念还处在一个相对早期的调查阶段。目前还没有一 个被普遍接受的方法，许多研究人员都声称他们的方法比其他人的方法更好。鉴于在这 个领域中不同方法之间的一个比较，特别是在经典方法和准启发式方法之间，判断哪一 种方法性能最好已经变得很困难，因为每一种研究方法集中于不同的问题方程、系统规 模大小以及操作条件。
这篇论文为经典算法和准启发式算法的性能比较提供了一个共同的背景。特别是在 奔德斯分解算法，分支定界算法（B&B）和扩展的粒子群优化算法，而粒子群优化方法被 证实比其它的准启发
式技术更加有效。一项基于稳态和经济指标的简单且符合实际的优 化静止同步补偿器配置（一种柔性交流输电系统设备）的案例研究被用来作为一个诠释的 例子它更重要的表明这篇论文不是为了寻找某种特定问题的一种解决办法，而是为了阐 述古典确定性方法和准启发式技术之间的差别以及对在文章中易于被忽视的优化过程的 重要细节作出评论：离散优化问题，理解性凸性假设条件下 （不仅仅应用于目标函数），关 于局部最优与全局最优问题的探讨（一种给定的目标函数）。
这篇论文接下来的部分如下：优化背景（第二部分），不应该被忽视的概念和问题（第 三部分），问题描述（第四部分），优化算法（第五部分），模拟结果（第六部分），结束性评语
（第七部分）。
H、背景
优化技术常被用来解决能够主要被分成两组的柔性交流输电系统设备的优化配置问 题：组成了主要的进化计算技术的经典方法和准启发式算法，第三种可选择的方法，例 如模态方法也可以考虑。然而，这些方法主要是基于技术的可行性而不是去寻找最优化 解决办法。
A、 经典优化技术
在论文中，这个问题应用了两类经典优化方法：（1）混合型整数线性规划和（2）混合型 非整数线性规划。
一方面，混合型整数线性规划就像名称所说的那样需要的条件就是所有的变量是整 数。这样，这种方法只能和直流功率流结合在一起使用。解决混合型线性整数方程问题 的主要算法是奔德斯分解算法，分支定界法和格莫瑞流割算法。另一方面，混合型非线 性整数方程需要考虑到目标函数和约束条件的使用。这样，交流功率流就可以用于这个 案例。解决混合型非整数线性规划问题被利用的最为广泛的算法是奔德斯算法。不幸的 是，依赖系统参数的问题的规模和非凸性是可能引起收敛问题的关键。
B、 准启发式技术
计算技能的基础技术，例如遗传学算法（GA）粒子群优化算法（PSO）模拟退火算法
（SA）禁忌搜索算法（TS和进化规划算法（EP都是可以选择用来解决优化问题的方法。
候选解决方案在一定人口的个体中起着重要作用，最佳费用函数决定了解的存在条 件。人类进化就发生了，经过生物和社会运营商的反复应用，就取得了最佳方案
通常，欧洲学分转换系统很适合解决混合型非整数线性规划，然而这些方法的可扩
展性需要进一步的验证。
山、优化方法：概念和问题
A、离散优化问题
一种常见的错误观念就是从优化的角度来说柔性交流输电系统设备的优化配置问题 并不具有挑战性，因为这是一个离线问题。一些人认为这个解决方案就像同时安排一定 数量的计算机并让它们运行一样简单。成功的关键在于找到所有可能的解决方案，那么 最优方案肯定在已找到的方案中取得。
事实是甚至当一种解决办法在理论上可能对任何一个系统起作用时，而在实践
中随
着系统规模的扩大和目标函数变得更加复杂（瞬态性能是评价计算密集型的），找到问题的 解决方案所需要的计算量会增加得非常迅速。如果也需要满足 N-1或N-2的可能性规则, 或者增加系统的随机因素和不确定性因素，仅仅评估案例的数量也会变得难以估量。
因此，对应用到系统规划问题中的优化算法进行研究，例如柔性交流输电系统的配 置问题就变得非常重要。
B、凸性假设
就目标函数而言，凸性是被主要分析的概念：如果目标函数是严格凸的，那么就可以 确保有一个唯一最优解。
图3-1全局极值与局部极值
这一特点是可取的，但是在动力系统中几乎就没有发生。大多数情况下，目标函数 的图形类似于图形（3-1.b）中的函数。结果是梯度下降法往往受到局部极值的限制。在这些 情形下，必须考虑到采用往搜索算法中加入随机因素的特殊办法。
凸性假设问题也可应用到可行域中。例如在线性规划问题中，如果可行域就像下图
粒子群优化算法论文中英文资料对照外文翻译文献综述
