《表1 IEEE14节点系统结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于DE-CSO混合算法的多目标无功优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对比CSO算法、DE-CSO算法仿真的曲线可以看出，经过DE-CSO优化后的Pareto前沿分布更加均匀、广泛，其收敛精度更高。这是因为DE-CSO算法融合了DE算法和CSO算法各自的优点，它一方面弥补了DE算法在优化过程中容易陷入局部最优的缺点，通过CSO算法纵横交叉体制产生的新种群能够有效跳出局部最优，提高收敛精度；另一方面融合了DE算法中的交叉操作和变异操作，改变了CSO算法收敛速度慢、调整策略单一的缺点，有效地提高了种群的多样性。所以，运用DE-CSO算法优化后的多目标无功优化Pareto前沿分布明显优于传统的CSO算法，数据对比如表1所示。