塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法
【專利摘要】本發(fā)明公開了一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，實(shí)施步驟如下：（1）將定日鏡場分塊，吸熱器上確定多個(gè)聚焦點(diǎn)；（2）計(jì)算每個(gè)鏡場分塊聚焦到每個(gè)聚焦點(diǎn)上所對應(yīng)產(chǎn)生的能流密度矩陣；（3）以吸熱器各網(wǎng)格的能流密度的標(biāo)準(zhǔn)差最小為目標(biāo)，吸熱器上的功率不小于預(yù)設(shè)值為約束條件，構(gòu)造優(yōu)化問題；（4）利用帶有精英保留策略的多變異位自適應(yīng)遺傳算法來求解優(yōu)化問題，得到最優(yōu)的鏡場聚焦策略。本發(fā)明中，塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，在保證吸熱器接收到的能量盡可能多的前提下，使吸熱器受熱面上的能量分布均勻，有利于保護(hù)吸熱器、提高換熱效率、加強(qiáng)系統(tǒng)性能，為塔式太陽能熱電站的運(yùn)行提供參考。
【專利說明】塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及塔式太陽能熱電系統(tǒng)領(lǐng)域，特別是涉及一種塔式太陽能熱電系統(tǒng)鏡場 的聚焦策略優(yōu)化方法。

【背景技術(shù)】
[0002] 塔式太陽能熱電系統(tǒng)利用很多個(gè)獨(dú)立跟蹤太陽的定日鏡，將太陽光聚焦到一個(gè)固 定在接收塔頂部的吸熱器上，加熱流經(jīng)吸熱器內(nèi)部的傳熱介質(zhì)，再使用高溫介質(zhì)的熱能帶 動(dòng)汽輪機(jī)、發(fā)電機(jī)來發(fā)電。它是所有大規(guī)模太陽能發(fā)電技術(shù)中成本最低的一種，有著廣泛的 應(yīng)用前景。
[0003] 塔式太陽能熱電系統(tǒng)中的聚光、集熱子系統(tǒng)，包括定日鏡場和安裝在接收塔上的 吸熱器等，一直是研究的關(guān)注點(diǎn)。在定日鏡場的聚光仿真中，需要關(guān)注吸熱器獲得的能量多 少以及能流密度分布情況，通常是假設(shè)所有定日鏡聚焦于吸熱器物理中心點(diǎn)以簡化計(jì)算。 然而如果在系統(tǒng)實(shí)際運(yùn)行時(shí)采用此聚焦策略則會(huì)造成吸熱器表面受熱不均勻和局部溫度 過高，導(dǎo)致?lián)Q熱效率低甚至損壞吸熱器，進(jìn)而影響整個(gè)系統(tǒng)的可靠性。因此必須采用合理的 聚焦策略，來優(yōu)化吸熱器受熱面的能流密度分布。所謂合理的聚焦策略，應(yīng)該在保證吸熱器 接收到的能量盡可能多的前提下，使吸熱器受熱面上的能量分布更均勻，避免較大的溫度 梯度的出現(xiàn)，以此保護(hù)吸熱器，利于換熱，保障系統(tǒng)穩(wěn)定性。
[0004] 現(xiàn)有的鏡場聚焦策略的研究中，有的技術(shù)通過設(shè)計(jì)鏡場聚焦方式，來達(dá)到更高的 聚光倍數(shù)，但并沒有考慮到因此會(huì)出現(xiàn)的吸熱器過熱現(xiàn)象，從而存在安全隱患；有的技術(shù)以 吸熱器上能流密度均勻，避免吸熱器局部溫度過高為目標(biāo)，進(jìn)行鏡場聚焦策略調(diào)度，但在聚 光過程中并未考慮定日鏡之間的陰影損失和吸熱器接收的總能量大小等因素，與實(shí)際情況 有差距；也有的技術(shù)旨在降低吸熱器峰值能流密度，將原有的一個(gè)聚焦點(diǎn)拓展到兩個(gè)聚焦 點(diǎn)，實(shí)現(xiàn)鏡場聚焦策略的改變，但是對于吸熱器上的能流密度分布均勻程度的改善效果不 明顯。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，保證了吸熱器 接收到高能量，并使得吸熱器上能量分布均勻，達(dá)到保護(hù)吸熱器、利于換熱、提高系統(tǒng)穩(wěn)定 性的目的。
[0006] 本發(fā)明采用的技術(shù)方案如下：
[0007] (1)將定日鏡場分塊，吸熱器上確定多個(gè)聚焦點(diǎn)。
[0008] 將鏡場劃分為若干個(gè)分塊，各鏡場分塊中包含相同數(shù)量的定日鏡。在平面式吸熱 器受熱面確定一個(gè)矩形的聚焦點(diǎn)限定框，來限定聚焦點(diǎn)分布范圍，從而避免聚焦點(diǎn)選取在 吸熱器邊緣位置而造成鏡場的溢出損失過大、吸熱器接收到的能量偏小的不良后果。將此 聚焦點(diǎn)限定框按兩組邊長進(jìn)行等長劃分為若干個(gè)小矩形，各聚焦點(diǎn)選為各小矩形的中心。
[0009] (2)計(jì)算每個(gè)鏡場分塊聚焦到每個(gè)聚焦點(diǎn)上所對應(yīng)產(chǎn)生的能流密度矩陣。
[0010] 將平面式吸熱器受熱面進(jìn)行網(wǎng)格化。在一個(gè)給定的時(shí)刻點(diǎn)，根據(jù)幾何投影和光線 追跡相結(jié)合的方法，并基于GPU，在MATLAB中計(jì)算出某一個(gè)鏡場分塊聚焦到某一個(gè)聚焦點(diǎn) 上時(shí)吸熱器各網(wǎng)格中心的能流密度值，從而得到對應(yīng)的能流密度矩陣。重復(fù)這一過程，直到 每個(gè)鏡場分塊聚焦到每個(gè)聚焦點(diǎn)時(shí)對應(yīng)產(chǎn)生的能流密度矩陣都獲得。
[0011] (3)以吸熱器各網(wǎng)格的能流密度的標(biāo)準(zhǔn)差最小為目標(biāo)，吸熱器上的功率不小于預(yù) 設(shè)值為約束條件，構(gòu)造優(yōu)化問題。
[0012] 為了實(shí)現(xiàn)鏡場的聚焦策略優(yōu)化，需要確定所有鏡場分塊各自的聚焦點(diǎn)，且同一鏡 場分塊內(nèi)的定日鏡聚焦到同一聚焦點(diǎn)，在吸熱器上的功率不小于某一預(yù)設(shè)值的約束條件 下，使得吸熱器各網(wǎng)格的能流密度的標(biāo)準(zhǔn)差最小，達(dá)到吸熱器上能流密度分布均勻的目的。 約束條件的設(shè)置，旨在保證吸熱器接收到的能量盡可能大。
[0013] (4)利用帶有精英保留策略的多變異位自適應(yīng)遺傳算法來求解優(yōu)化問題，得到最 優(yōu)的鏡場聚焦策略。
[0014] 自適應(yīng)遺傳算法中，交叉概率和變異概率能夠隨適應(yīng)度自動(dòng)改變，可以根據(jù)公式 計(jì)算相對某個(gè)解的最佳交叉概率和變異概率。精英保留策略的實(shí)施方式是，把群體在進(jìn)化 過程中迄今出現(xiàn)的最好的幾個(gè)個(gè)體，即精英個(gè)體，不進(jìn)行配對交叉而直接復(fù)制到下一代中， 并將新一代群體中適應(yīng)度值最小的幾個(gè)個(gè)體淘汰掉。多變異位是將染色體中多個(gè)基因位進(jìn) 行變異。
[0015] 每個(gè)個(gè)體用一個(gè)二進(jìn)制編碼的二維矩陣進(jìn)行表示，代表各鏡場分塊聚焦到各聚焦 點(diǎn)的情況，即一種可能的聚焦策略。矩陣每一列包含且僅包含一個(gè)" 1"元素，其余為"〇"元 素；元素分別表示某個(gè)鏡場分塊未聚焦到或者聚焦到某個(gè)聚焦點(diǎn)。
[0016] 算法中的選擇運(yùn)算利用輪盤賭規(guī)則來實(shí)現(xiàn)。交叉和變異運(yùn)算分別通過特定的方式 來進(jìn)行，且在變異運(yùn)算中，需引入體現(xiàn)多變異位思想的第二變異概率Pm2，它決定了當(dāng)個(gè)體需 要進(jìn)行變異時(shí)，對應(yīng)的染色體矩陣中有多少列需要變異。
[0017] 優(yōu)化問題中的約束條件的處理方式為：在遺傳算法中，將不滿足約束條件的個(gè)體 的適應(yīng)度設(shè)為0,則個(gè)體在進(jìn)化中不會(huì)被選擇。
[0018] 當(dāng)算法運(yùn)行過程中，遇到下述任意一種情況，則算法終止：(a)算法運(yùn)算代數(shù)達(dá)到 設(shè)定的最大進(jìn)化代數(shù)；(b)連續(xù)G代群體中的最大適應(yīng)度不發(fā)生變化，G為設(shè)定的正整數(shù)。
[0019] 當(dāng)算法終止時(shí)，得到最優(yōu)個(gè)體，即最優(yōu)的鏡場聚焦策略，也就確定了每個(gè)鏡場分塊 各自的聚焦點(diǎn)。同時(shí)算法結(jié)果還可以給出此聚焦策略對應(yīng)的吸熱器能流密度分布與成像圖 等信息。
[0020] 帶有精英保留策略的多變異位自適應(yīng)遺傳算法的實(shí)施步驟如下：
[0021] 步驟一：設(shè)定算法初始參數(shù)，包括群體規(guī)模、最大進(jìn)化代數(shù)、交叉和變異相關(guān)參數(shù)、 約束條件參數(shù)、精英個(gè)體數(shù)等；
[0022] 步驟二：隨機(jī)產(chǎn)生初始群體，結(jié)合適應(yīng)度函數(shù)和約束條件，計(jì)算每個(gè)個(gè)體適應(yīng)度， 記錄最優(yōu)個(gè)體和精英個(gè)體；
[0023] 步驟三：根據(jù)輪盤賭規(guī)則進(jìn)行選擇；
[0024] 步驟四：按照自適應(yīng)原理計(jì)算交叉概率，進(jìn)行交叉；
[0025] 步驟五：按照自適應(yīng)原理計(jì)算變異概率，并結(jié)合多變異位思想，進(jìn)行變異；
[0026] 步驟六：計(jì)算經(jīng)過選擇、交叉、變異后的群體中每個(gè)個(gè)體的適應(yīng)度，用保留的精英 個(gè)體替換當(dāng)前群體中適應(yīng)度最小的幾個(gè)個(gè)體，產(chǎn)生新一代群體，記錄最優(yōu)個(gè)體和精英個(gè)體， 此時(shí)如果滿足算法終止條件，則轉(zhuǎn)到步驟七，否則轉(zhuǎn)到步驟三；
[0027] 步驟七：輸出最優(yōu)個(gè)體，得到最優(yōu)的鏡場聚焦策略。
[0028] 本發(fā)明的有益效果是：按照本發(fā)明提出的塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu) 化方法，得到的最優(yōu)鏡場聚焦策略，能夠在保證吸熱器接收到的能量盡可能多的前提下，使 吸熱器受熱面上的能量分布均勻，避免了吸熱器上產(chǎn)生過高的溫度梯度，有利于保護(hù)吸熱 器、提高換熱效率、加強(qiáng)系統(tǒng)性能，為塔式太陽能熱電站的運(yùn)行提供參考

【專利附圖】

【附圖說明】
[0029] 圖1是塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法流程圖；
[0030] 圖2是吸熱器上聚焦點(diǎn)分布的示意圖；
[0031] 圖3是遺傳算法中個(gè)體表示方式的示意圖；
[0032] 圖4是遺傳算法中交叉運(yùn)算的示意圖；
[0033] 圖5是實(shí)施例中的鏡場分塊圖；
[0034] 圖6是實(shí)施例中所有定日鏡聚焦到吸熱器受熱面中心時(shí)的成像圖；
[0035] 圖7是實(shí)施例中采用鏡場聚焦策略優(yōu)化方法后的成像圖；
[0036] 圖8是實(shí)施例中算法的進(jìn)化過程；
[0037] 圖9是實(shí)施例中得到的最優(yōu)鏡場聚焦策略。

【具體實(shí)施方式】
[0038] 如圖1所示，一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，實(shí)施步驟如下：
[0039] (1)將定日鏡場分塊，吸熱器上確定多個(gè)聚焦點(diǎn)。
[0040] 將鏡場劃分為若干個(gè)分塊，數(shù)量為113，各鏡場分塊中包含相同數(shù)量的定日鏡。平面 式吸熱器上確定若干個(gè)聚焦點(diǎn)，數(shù)量為nb，分布如圖2所示（圖示為吸熱器上選取16個(gè)聚 焦點(diǎn)的情況）。聚集點(diǎn)選取方式：首先在吸熱器表面確定一個(gè)矩形框，稱為聚焦點(diǎn)限定框， 來限定聚焦點(diǎn)分布范圍，從而避免聚焦點(diǎn)選取在吸熱器邊緣位置而造成鏡場的溢出損失過 大、吸熱器接收到的能量偏小的不良后果；然后將此聚焦點(diǎn)限定框按兩組邊長進(jìn)行等長劃 分為若干個(gè)小矩形，各聚焦點(diǎn)選為各小矩形的中心。
[0041] (2)計(jì)算每個(gè)鏡場分塊聚焦到每個(gè)聚焦點(diǎn)上所對應(yīng)產(chǎn)生的能流密度矩陣。
[0042] 將平面式吸熱器受熱面進(jìn)行網(wǎng)格化，形成（r*l)個(gè)網(wǎng)格，r為網(wǎng)格行數(shù)，1為網(wǎng)格列 數(shù)。在一個(gè)給定的時(shí)刻點(diǎn)，根據(jù)幾何投影和光線追跡相結(jié)合的方法，并基于GPU，在MATLAB 中計(jì)算出某一個(gè)鏡場分塊聚焦到某一個(gè)聚焦點(diǎn)上時(shí)吸熱器各網(wǎng)格中心的能流密度值，從而 得到對應(yīng)的能流密度矩陣，該矩陣是大小為（r*l)的二維矩陣。重復(fù)這一過程，直到每個(gè) 鏡場分塊聚焦到每個(gè)聚焦點(diǎn)時(shí)對應(yīng)產(chǎn)生的能流密度矩陣都獲得。因此總共有（na*nb)個(gè)大 小為（r ? 1)的能流密度矩陣，并將這些矩陣整合到一個(gè)（r ? 1 ? (na ? nb))的三維矩陣中， 以此作為鏡場聚焦策略優(yōu)化的依據(jù)和基礎(chǔ)。
[0043] (3)以吸熱器各網(wǎng)格的能流密度的標(biāo)準(zhǔn)差最小為目標(biāo)，吸熱器上的功率不小于預(yù) 設(shè)值為約束條件，構(gòu)造優(yōu)化問題。
[0044] 為了實(shí)現(xiàn)鏡場的聚焦策略優(yōu)化，需要確定所有鏡場分塊各自的聚焦點(diǎn)，且同一鏡 場分塊內(nèi)的定日鏡聚焦到同一聚焦點(diǎn)，在吸熱器上的功率不小于某一預(yù)設(shè)值的約束條件 下，使得吸熱器各網(wǎng)格的能流密度的標(biāo)準(zhǔn)差O最小，達(dá)到吸熱器上能流密度分布均勻的目 的。約束條件的設(shè)置，旨在保證吸熱器接收到的能量盡可能大。因此，優(yōu)化問題可以描述 為：

【權(quán)利要求】
1. 一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，其特征在于它的步驟如下： (1) 將鏡場劃分為若干個(gè)分塊，各鏡場分塊中包含相同數(shù)量的定日鏡，平面式吸熱器上 選取多個(gè)聚焦點(diǎn)，選取方式為：在吸熱器表面確定一個(gè)矩形的聚焦點(diǎn)限定框，來限定聚焦點(diǎn) 分布范圍，將此聚焦點(diǎn)限定框按兩組邊長進(jìn)行等長劃分為若干個(gè)小矩形，各聚焦點(diǎn)選為各 小矩形的中心； (2) 計(jì)算每個(gè)鏡場分塊聚焦到每個(gè)聚焦點(diǎn)上所對應(yīng)產(chǎn)生的能流密度矩陣； (3) 以吸熱器各網(wǎng)格的能流密度的標(biāo)準(zhǔn)差最小為目標(biāo)，吸熱器上的功率不小于預(yù)設(shè)值 為約束條件，構(gòu)造優(yōu)化問題； (4) 利用帶有精英保留策略的多變異位自適應(yīng)遺傳算法來求解優(yōu)化問題，得到最優(yōu)的 鏡場聚焦策略。
2. 如權(quán)利要求1所述的一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，其特征在 于所述的步驟（2)為： 將平面式吸熱器受熱面進(jìn)行網(wǎng)格化，形成（r*l)個(gè)網(wǎng)格，r為網(wǎng)格行數(shù)，1為網(wǎng)格列數(shù)； 在一個(gè)給定的時(shí)刻點(diǎn)，根據(jù)幾何投影和光線追跡相結(jié)合的方法，并基于GPU，在MATLAB中計(jì) 算出某一個(gè)鏡場分塊聚焦到某一個(gè)聚焦點(diǎn)上時(shí)吸熱器各網(wǎng)格中心的能流密度值，從而得到 對應(yīng)的能流密度矩陣，該矩陣是大小為（r? 1)的二維矩陣；重復(fù)這一過程，直到所有鏡場 分塊聚焦到每個(gè)聚焦點(diǎn)時(shí)對應(yīng)產(chǎn)生的能流密度矩陣都獲得，因此總共有（na*nb)個(gè)大小為 (r? 1)的能流密度矩陣，其中，\為鏡場分塊數(shù)，nb為聚焦點(diǎn)數(shù)，并將這些矩陣整合到一個(gè) (r? 1 ? (na ?nb))的三維矩陣中，以此作為鏡場聚焦策略優(yōu)化的依據(jù)和基礎(chǔ)。
3. 如權(quán)利要求1所述的一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，其特征在 于所述的步驟（3)為： 在吸熱器上的功率不小于預(yù)設(shè)值的約束條件下，優(yōu)化目標(biāo)為吸熱器各網(wǎng)格的能流密度 的標(biāo)準(zhǔn)差〇最小，達(dá)到吸熱器上能流密度分布均勻的目的，從而確定所有鏡場分塊各自的 聚焦點(diǎn)，其中，同一鏡場分塊內(nèi)的定日鏡聚焦到同一聚焦點(diǎn)，對應(yīng)的優(yōu)化問題為：
其中，P為吸熱器上實(shí)際接收到的功率，P〇為功率預(yù)設(shè)值，約束條件的設(shè)置，旨在保證吸 熱器接收到的能量盡可能大。
4. 如權(quán)利要求1所述的一種塔式太陽能熱電系統(tǒng)鏡場的聚焦策略優(yōu)化方法，其特征在 于所述的步驟（4)為： 自適應(yīng)遺傳算法中，交叉概率P。和變異概率pm的計(jì)算公式為：
其中，為群體中的最大適應(yīng)度，favg為群體平均適應(yīng)度，f。為要交叉的兩個(gè)個(gè)體中較 大的適應(yīng)度，fm為要變異個(gè)體的適應(yīng)度，ki、k2、k3、k4為常數(shù)，0 <mb< 1，h<k2， k3 <k4 ; 精英保留策略的實(shí)施方式是，把群體在進(jìn)化過程中迄今出現(xiàn)的最好的幾個(gè)個(gè)體，即精 英個(gè)體，不進(jìn)行配對交叉而直接復(fù)制到下一代中，并將新一代群體中適應(yīng)度值最小的幾個(gè) 個(gè)體淘汰掉； 多變異位是將染色體中多個(gè)基因位進(jìn)行變異； 該遺傳算法中的適應(yīng)度函數(shù)f確定為：f=M-〇 (4) 其中，M為一個(gè)確定的足夠大的正數(shù)； 每個(gè)個(gè)體表示各鏡場分塊聚焦到各聚焦點(diǎn)的情況，即一種可能的聚焦策略，用一個(gè)nb ?na的矩陣進(jìn)行表示，并采用二進(jìn)制編碼，該矩陣稱為染色體矩陣，矩陣每一列包含且僅 包含一個(gè)"1"元素，其余為"〇"元素；矩陣中，"〇"、"1"元素表示的含義是：若矩陣第i行 第j列（i= 1，2,…，nb,j= 1，2,…，na)的元素Xu= 1,則表示第j個(gè)鏡場分塊聚焦到第 i個(gè)聚焦點(diǎn)，若Xu= 0,則表示第j個(gè)鏡場分塊未聚焦到第i個(gè)聚焦點(diǎn)； 利用輪盤賭規(guī)則來進(jìn)行遺傳算法中的選擇運(yùn)算，各個(gè)個(gè)體被選擇的概率與其適應(yīng)度 大小成正比，具體的操作過程為：(a)在[0, 1]內(nèi)產(chǎn)生一個(gè)均勻分布的隨機(jī)數(shù)a，（b)若 a彡q:，則個(gè)體&被選中，（c)若qt_i<a彡qt(t= 2,3,…，N，N為群體中的個(gè)體數(shù)），則 個(gè)體Xt被選中；其中，qs(s= 1，2,…，N)為個(gè)體Xs的累積概率，其計(jì)算公式為：
上式中，PP0〇為個(gè)體Xv的選擇概率，表示為：
其中，f(Xv)為個(gè)體Xv的適應(yīng)度； 交叉概率P。按照式（2)進(jìn)行計(jì)算，交叉的實(shí)施過程為：對于待交叉的兩個(gè)個(gè)體，隨機(jī)選 擇染色體矩陣的某一列作為交叉位，這兩個(gè)矩陣在交叉位處進(jìn)行元素互換； 變異概率口^按照式（3)進(jìn)行計(jì)算，并引入第二變異概率定了群體中多少個(gè)體 需要進(jìn)行變異，而Pm2則體現(xiàn)了多變異位思想，決定了當(dāng)個(gè)體需要進(jìn)行變異時(shí)，對應(yīng)的染色 體矩陣中有多少列需要變異；變異的方法為：將需要變異的染色體矩陣某一列中的"1"元 素轉(zhuǎn)變?yōu)?〇"，再任取該列中的某一個(gè)"〇"元素，將其轉(zhuǎn)變?yōu)?1"，即相當(dāng)于將某一個(gè)鏡場分 塊由聚焦到某一聚焦點(diǎn)轉(zhuǎn)移至聚焦到另一聚焦點(diǎn)；變異的具體實(shí)施過程如下：對于群體中 的某一個(gè)體，先產(chǎn)生一個(gè)處于（〇, 1)區(qū)間內(nèi)的隨機(jī)數(shù)3，如果3 <Pm，則該個(gè)體需要進(jìn)行 變異，否則不變異，如果個(gè)體需要進(jìn)行變異，則確定該個(gè)體對應(yīng)的染色體矩陣中需要變異的 列數(shù)為不小于（pm2 ?!〇的整數(shù)I，在此矩陣中隨機(jī)選擇I列，按照上述提到的變異方法進(jìn)行 變異； 優(yōu)化問題中的約束條件的處理方式為：在遺傳算法中，將不滿足約束條件的個(gè)體的適 應(yīng)度設(shè)為〇,則個(gè)體在進(jìn)化中不會(huì)被選擇，滿足約束條件的個(gè)體的適應(yīng)度按照式（4)進(jìn)行計(jì) 算； 關(guān)于算法的終止條件，當(dāng)算法運(yùn)行過程中，遇到下述任意一種情況，則算法終止：(a) 算法運(yùn)算代數(shù)達(dá)到設(shè)定的最大進(jìn)化代數(shù)，（b)連續(xù)G代群體中的最大適應(yīng)度不發(fā)生變化，G 為設(shè)定的正整數(shù)； 當(dāng)算法終止時(shí)，得到最優(yōu)個(gè)體，即最優(yōu)的鏡場聚焦策略，也就確定了每個(gè)鏡場分塊各自 的聚焦點(diǎn)；此聚焦策略保證了吸熱器接收到較多的能量，并使得吸熱器上能量分布均勻，達(dá) 到利于換熱、保護(hù)吸熱器、提高系統(tǒng)穩(wěn)定性的目的；同時(shí)算法結(jié)果還可以給出此聚焦策略對 應(yīng)的吸熱器能流密度分布與成像圖等信息； 帶有精英保留策略的多變異位自適應(yīng)遺傳算法的實(shí)施步驟如下： 步驟一：設(shè)定算法初始參數(shù)，包括群體規(guī)模、最大進(jìn)化代數(shù)、交叉和變異相關(guān)參數(shù)、約束 條件參數(shù)、精英個(gè)體數(shù)等； 步驟二：隨機(jī)產(chǎn)生初始群體，結(jié)合適應(yīng)度函數(shù)和約束條件，計(jì)算每個(gè)個(gè)體適應(yīng)度，記錄 最優(yōu)個(gè)體和精英個(gè)體； 步驟三：根據(jù)輪盤賭規(guī)則進(jìn)行選擇； 步驟四：按照自適應(yīng)原理計(jì)算交叉概率，進(jìn)行交叉； 步驟五：按照自適應(yīng)原理計(jì)算變異概率，并結(jié)合多變異位思想，進(jìn)行變異； 步驟六：計(jì)算經(jīng)過選擇、交叉、變異后的群體中每個(gè)個(gè)體的適應(yīng)度，用保留的精英個(gè)體 替換當(dāng)前群體中適應(yīng)度最小的幾個(gè)個(gè)體，產(chǎn)生新一代群體，記錄最優(yōu)個(gè)體和精英個(gè)體，此時(shí) 如果滿足算法終止條件，則轉(zhuǎn)到步驟七，否則轉(zhuǎn)到步驟三； 步驟七：輸出最優(yōu)個(gè)體，得到最優(yōu)的鏡場聚焦策略。
【文檔編號】G06Q50/06GK104408527SQ201410649209
【公開日】2015年3月11日 申請日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】趙豫紅, 陳將 申請人:浙江大學(xué)