1. 研究目的与意义
1967年，holland的学生在博士论文中首次提出遗传算法一词。
此后，holland指导学生完成了多篇有关遗传算法研究的论文。
1971年首次把遗传算法用于函数优化。
2. 课题关键问题和重难点
1. 根据遗传算法的原理，分析和实现其在电力系统各方面的应用。
无功优化问题是一个含有连续变量和离散变量的混合优化问题，求解过程相当复杂，电力系统无功优化问题属于最优潮流问题的一个组成部分。
探讨了求解无功优化的现代人工智能算法，总结分析了遗传算法的特点及使用情况。
3. 国内外研究现状（文献综述）
1、遗传算法的原理遗传算法把问题的解表示成染色体，在算法中也即是以二进制编码的串。
并且，在执行遗传算法之前，给出一群染色体，也即是假设解。
然后，把这些假设解置于问题的环境中，并按适者生存的原则，从中选择出较适应环境的染色体进行复制，再通过交叉，变异过程产生更适应环境的新一代染色体群。
4. 研究方案
首先，广泛阅读文献，总结归纳遗传算法的原理和特点。
其次，从无功优化的角度具体说明遗传算法在电力系统中的应用，然后简单介绍其他方面的应用与之进行比较，体现出无功优化在遗传算法中的优势。
最后，通过算例分析和数学模型的建立证明遗传算法在电力系统中应用的可靠性。
5. 工作计划
第1～2周： 查阅和研读大量关于遗传算法在电力系统中的应用方面的文献资料，了解目前存在的主要问题和国内外的解决方法，撰写开题报告；第3周：阅读外文文献，完成外文文献翻译，撰写论文提纲，完成论文目录；第4～5周：大量阅读文献，研究遗传算法的原理，结合课题要求综合考虑对遗传算法在电力系统应用中有效性的影响因素；第6~7周：研究遗传算法的原理及实现步骤，并根据课题内容选择合适的应用；第8～9周：实现对遗传算法的应用，并运用检验方法检查遗传算法在电力系统中应用的有效性；第10～11周：完成设计相关程序和论文，指导教师检查成品，根据指导老师意见进行论文的修改；第12周：论文和程序定稿，准备答辩
