李笑竹，王维庆*，徐其丹

(1.新疆大学 可再生能源发电与并网技术教育部工程研究中心，新疆 乌鲁木齐 830047；2.国网新疆电力有限公司 经济技术研究院，新疆 乌鲁木齐 830000)

动态环境经济调度 (dynamic environment economic dispatch, 简称DEED)具有高纬度、非线性、非凸等特征，且包含复杂的约束条件，目前对DEED的研究主要集中于模型求解.文献[1]利用价格惩罚因子(PPFs)，将多目标DEED转变为单目标DEED，采用万有引力启发式搜索算法对转化后的单目标DEED进行求解.文献[2]采用加权和半正定规划策略，对多目标进行转化，然后通过调节各目标权值求解.虽然上述求解方法效率高、速度快，但对目标函数要求过高，若为不可微的非凸形式则无法求解，且解对初值的选取较敏感，易陷入局部最优，难以得到真正的帕累托优化前沿(Pareto-optimal front, 简称PF).基于此，很多研究人员将DEED作为多目标优化直接求解.根据产生新解的方式，现有多目标算法可分为以下3类：①通过遗传算法产生新解的多目标算法，如文献[3]提出的基于非支配序列的遗传算法Ⅱ(non-dominated sorting genetic algorithms Ⅱ,简称NSGA-Ⅱ)，文献[4]提出的改进的NSGA-Ⅱ，这类算法综合性能较稳定.②通过粒子群算法产生新解的多目标算法，如MOPSO (multi-objective particle swarm optimization)，SMPSO(speed constrained multi-objective particle swarm optimization)，DE-PSO(differential evolution-particle swarm optimization)算法.③通过差分进化算法产生新解的多目标算法，如改进的自适应多目标差分进化算法、基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition, 简称MOEA/D)，这类算法在处理复杂问题时有较好效果，且已成功应用于多个领域.

该文提出一种双群体伪并行GA-DE(genetic algorithm-differential evolution)多目标 (double swarm peudo pallelism multi-objective GA-DE, 简称DSPPMO-GA-DE) 算法求解DEED模型.该算法基于外部精英保留和Pareto占优概念，采用平均熵和立方混沌映射初始化策略，获得较为优质的初始种群；……