(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210856533.4 (22)申请日 2022.07.20 (71)申请人 国网四川省电力公司信息通信公司 地址 610000 四川省成 都市高新区锦晖西 二街16号 (72)发明人 李嘉周　黄林　王卓　周里涛　 李琦　吴斗　郑吉祥　潘可佳　 (74)专利代理 机构 成都正煜知识产权代理事务 所(普通合伙) 51312 专利代理师 袁宇霞 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/12(2006.01) (54)发明名称 一种基于混沌局部搜索遗传算法的电力故 障任务调度方法 (57)摘要 本发明涉及电力技术领域， 提供了一种基于 混沌局部搜索遗传算法的电力故障任务调度方 法。 主旨在于解决了遗传算法易陷入局部最优的 问题。 主要方案包 括.采用基于 人员选择Xpeople 和故障子任务排序Xprocess的双重分段编码的 方式对运维人员与所分配的子任务进行编码， 生 成人员‑故障任务关系染色体； 采用随机的方式 生成初始染色体种群， 即第一代的父种群； 评价 种群中每个染色体的适应度值， 记录适应度值最 小的染色体； 对适应度最小的染色体进行基于混 沌序列的局部搜索， 得到最优解， 对最优染色体 进行解码， 得到最优人员 ‑故障调度方案 。 权利要求书3页 说明书8页 附图3页 CN 115222253 A 2022.10.21 CN 115222253 A 1.一种基于混沌局部搜索遗传算法的电力故障任务调度方法， 其特征在于， 包括以下 步骤： 步骤1.采用基于人员选择Xp eople和故障子任务排序Xprocess的双重分段编码的方式 对运维人员与所分配的子任务进行编码， 生成人员 ‑故障任务关系染色体； 步骤2.采用随机的方式生成初始 染色体种群， 并设置最大迭代次数N， 重复步骤1， 直到 产生种群规模为 N的初始染色体种群， 即第一代的父种群； 步骤3.评价种群中每 个染色体的适应度值， 记录适应度值 最小的染色体； 步骤4.对适应度最小的染色体进行基于混沌序列的局部 搜索， 得到最优解； 步骤5.判断是否达到最大迭代次数M， 如果是则步骤4中得到的领域最优解染色体就是 整体最优解并执 行步骤9， 否则执 行步骤6； 步骤6.采用部分映射交叉的方式对父种群中的染色体进行交叉操作， 生成子代种群a； 步骤7.采用互换变异的方式对父种群中的染色体进行变异操作， 生成子代种群b： 步骤8.对步骤5和步骤6中所生成的代种群 a、 代种群b、 父种群进行合并操作， 得到新的 种群， 计算新的种群中所有染色体的适应度值， 选择出适应度值最小的前N个染色体作为下 一次迭代的父种群， 完成一次进化操作， 回到步骤3； 步骤9.对最优染色体进行解码， 得到最优人员 ‑故障调度方案 。 2.根据权利要求1所述的一种基于混沌局部搜索遗传算法的电力故障任务调度方法， 其特征在于， 所述 步骤1包括如下步骤： 步骤1.1根据处理人员 ‑可处置的故障子任务 ‑所需时间的映射关系， 初始化数据库针 对初始的人员信息数据库， 如以下格式的数据： 每行信息表示某个故障处理人员可处置的所有故障， 及其所需的对应时间， 解除每一 故障都需完成若 干子任务， 根据人员能力的不同可处理其中不同子任务， 其中， Oij表示故障 i的第j道子任务， 其中， i为故障在故障集中的编号， i＝1， 2， 3， …， n； hi为故障i的子任务总 数； j＝1， 2， 3 …， hi， 所有故障的子任务总数为K， 即 步骤1.2、 人员选择Xpeople部分染色体长度为K， 每个基因位用整数表示， 依次按照故 障和故障的子任务顺序进 行排列， 每个整 数代表当前子任务所选择的人员在可选人员集中 的编号； 步骤1.3、 故障子任务排序Xprocess部分染色体长度为K， 每一位基因用故障在故障集 中的编号直接编 码， 故障编号出现的顺序 表示该故障在其子任务间的先后处置顺序， 如第n 次出现的故障编号Y， 表示该故障的第n个子任务。 3.根据权利要求1所述的一种基于混沌局部搜索遗传算法的电力故障任务调度方法， 其特征在于， 所述 步骤3包括如下步骤：权　利　要　求　书 1/3 页 2 CN 115222253 A 2步骤3.1、 选定故障集最晚处置结束时间为适应度值即目标值， Tmax＝max{ti|i＝1， 2， ...n}， ti为故障i的最后一个子任务的处置 完成时间； 步骤3.2、 对种群 中的每个染色体计算适应度值， 优化目标是最小化故障集最晚处置结 束时间， 所以选择适应度值 最小的染色体作为 最优方案 。 4.根据权利要求1所述的一种基于混沌局部搜索遗传算法的电力故障任务调度方法， 其特征在于， 所述 步骤4包括如下步骤： 步骤4.1、 D是步骤3中找出的当前父种群最优个体， 即D的个体适应度是最小的， 对应的 适应度值 为f， 染色体长度为 L(L＝2K)； 步骤4.2、 随机构造三个混沌变量 步骤4.3、 定义局部 搜索步长N； 步骤4.4、 根据公式 计算下一次搜索的混 沌变量 并使用公式 放大以匹配 基因位置； 步骤4.5、 删除人员选择部分P os1位置上的基因， 并基于智能突变进行替换， 后交换Pos2 和Pos3位置上的基因； 步骤4.6、 通过以上操作， 产 生一个新个体D*， 个体适应度 值为f*， 如果f*＞f或者到达搜 索步长N， 则完成局部 搜索， 否则转到步骤4.2。 5.根据权利要求1所述的一种基于混沌局部搜索遗传算法的电力故障任务调度方法， 其特征在于， 所述 步骤6包括如下步骤： 步骤6.1、 从父种群中选择两条染色体作为亲本P1、 P2； 步骤6.2、 采用均匀随机交叉算子对染色体中人员选择部分Xpeople进行交叉， 得到子 染色体的人员选择部分； 步骤6.2.1、 在区间[1， K]内随机产 生一个整数r， 按照随机数r再随机产 生r个互不相等 的整数， 他们代 表后续基因 交换的位置； 步骤6.2.2、 创建两条子代染色体C1和C2， 长度分别与P1和P2一致， 其中全部基因位为 空； 步骤6.2.3、 将父代 染色体P1和P2中r个整数对应位置的基因复制到子代染色体C1和C2 中， 保持他们的位置和顺序； 步骤6.2.4、 将父代 染色体P1和P2余下的基因依次复制到C2和C1中， 保持他们的位置和 顺序； 步骤6.3、 采用部分映射交叉算子对子任务排序部分Xprocess进行交叉， 得到子染色体 的子任务 排序部分； 步骤6.3.1、 选择 父代染色体P1作为捐献者， 父代染色体P2作为接受者； 步骤6.3.2、 从父代染色体P1中随机 选择一段 连续的序列 作为交叉子串； 步骤6.3.3、 根据子串中所有基因在父代染色体P1中的索引， 找到这些基因相对于父代 染色体P2中出现的位置， 并删除； 步骤6.3.4、 根据相对位置关系， 将子串插入到父代染色体P2的相应位置， 生成子代染 色体C。 步骤6.4、 重复执行步骤6.1 ‑6.3， 直到子代染色体数C为父代染色体数的一半， 由所权　利　要　求　书 2/3 页 3 CN 115222253 A 3