王 磊

（大唐淮南田家庵发电厂，安徽 淮南 232007）

0 引言

蚁群算法最先是由意大利学者Dorigo M，Maniezz V 和Colorni A 在20 世纪90 年代提出的一种生物学算法[1]，它包括ANT-density，ANTquantity 和ANT-cycle 三个算法。1996 年Dorigo 通过对Ant System 改进后提出的Ant-Colony System(ACS)算法，1999 年Bullnheimer 等人又提出了rank-based version of Ant System(ASrank)算法[2]。2000 年，Stutzle 和Hoos 提出Max-Min AntSystem 算法[3]。此外还有文献提出了一些针对特定问题的改进的蚁群算法，这些算法被统称为蚁群优化算法Ant Colony Optimization Algorithm（ACA）。遗传算法是由美国密执安大学的Holland教授在20 世纪60 年代提出来的[4]，De Jong 利用计算机对数值函数对进行了优化算法的模拟，从理论上证实了算法的优越性，Goldberg 对遗传思想进行了全面的总结，于80 年代建立了现代遗传算法的理论模型[5]。

遗传算法(Genetic Algorithm，GA)虽然具有很快全局搜索能力，但对于运算中系统产生的反馈信息却没有利用，结果导致了数据的冗余迭代增加，求解时间漫长。而蚁群算法虽然是利用信息素的累积和更新而收敛到的最优路径，但由于初期信息素匮乏、部分参数需要凭借经验等不科学因素带入，不可避免的导致算法收敛时间长。为了克服两种算法各自的缺陷，形成优势互补。可以利用遗传算法得到初始信息素分布，然后，在运算中利用蚁群算法。由于遗传算法具有随机搜索、快速性、全局收敛性的特点，而蚁群算法又具有的并行性、正反馈机制以及求解效率等特征。蚁群算法与遗传算法相融合可以用来解决离散域和连续域中的多种优化问题[6-7]。

目前随着电力技术的进步，电厂锅炉越来越向着大功率、高效能的方向发展，而大型火电厂的主蒸汽控制系统则是保障锅炉稳定运行的，提高发电效率的主要设备。……