66、基于MEC的输电网络扩展规划与高效降维方案

基于MEC的输电网络扩展规划与高效降维方案

基于MEC的输电网络扩展规划

在输电网络扩展规划（TNEP）中，思维进化计算（MEC）是一种模拟人类思维过程的新型进化算法。它具有进化方向性机制、记忆机制以及开发与探索的协调机制，这些机制使得MEC在解决TNEP问题时表现出色。

信息矩阵与趋同机制

信息矩阵A在趋同过程中起着重要作用。在实际应用中，我们通常只需要第i行的前L(i)个值。矩阵元素aij定量地表示了特征[i,j]对优解的影响程度。aij越大，特征[i,j]在之前的优个体中出现的频率就越高，新一代个体在学习过程中拥有该特征的可能性也就越大。当优个体具有特征[i,j]时，aij会增加；反之则减小。

TNEP中的趋同操作步骤如下：
1. 存储优个体特征到信息矩阵 ：引入参数λ来反映这一过程，此步骤基于上一代的信息矩阵，从而保留并传递之前优个体的信息。
2. 在当前信息矩阵的指导下搜索下一代新个体 ：新个体基于之前的优个体产生，因此具有较好的性能。aij越大，新个体具有特征[i,j]的可能性就越大。
3. 检查群体是否成熟 ：当在一定代数内不再产生更优个体时，群体成熟，趋同操作结束；否则，返回步骤1。

异化机制

异化是在积累先前知识的基础上进行创新的过程，主要包括以下两个方面：
1. 全局竞争 ：全局布告板包含NS个优个体的信息，并根据得分进行排序。如果成熟群体的得分高于全局布告板中的劣个体，则替换该个体；否则，全局布告板中的