MATLAB火电厂多台机组间的负荷优化分配研究(5)
2.3.3混沌算法
混沌优化方法具有某种随机性，用其变量径直搜索能使获得最优解的几率增大。它是一种极有前途的优化手段，跟遗传算法的某些特点有些类似。虽然在局部极小点很容易跳出但却能达到一定的精度要求，使得计算更快速解决。
2.3.4人工神经网络
人工神经网络ANNs算法是模拟了人类大脑物理结构，它能够逼近任何足够繁杂的非线形关系，每个神经细胞网络都能够存储全部问题的定量或定性的信息，具有较强的鲁棒性和容错性。若使用并行分布处理方法，可以快速计算，这些特性使其在未来会有更深入发展。
2.4其他算法
其他优化算法是一些最近提出但暂目前还未得到广泛应用的算法，主要有蚁群算法、模糊算法、粒子群算法、免疫算法等[7]。
2.4.1蚁群算法
蚁群算法ACO是马可•多里戈在1992年从蚂蚁寻找食物时找到路径的行为中引发灵感而提出。蚁群算法是一种模拟进化算法，通过个体之间的信息相互合作交流，并最终获得寻求问题的解决方案[7]。该算法以收敛精度为前提，稳定性较强。
2.4.2模糊算法
此种算法主要用来解决多目标函数问题，在有水、火两种电负荷联合调度中应用较广泛。依据模糊集理论假定模糊隶属变量，将优化问题从多目标简化为单目标，然后再计算。
2.4.3粒子群算法
粒子群算法 PSO，是一种基于迭代的新进化算法，与遗传算法对比，PSO的优势是能简易完成并且没有许多参数需要调整。但与最优分配问题时存在粒子多样性迅速下降，算法可能不收敛到全局最优解。
2.4.4免疫算法
免疫算法是一种将遗传算法结合生物学上免疫概念及其理论知识，取其原始算法的优良特性，在其优化过程中抑制退化现象的全局优化概率搜索算法。该算法在实际应用中较好地解决了遗传算法中的退化问题，避免遗传算法中出现的早熟、搜索效率低等问题，可以快速搜索全局最优解。
经上述分析每一种算法或多或少都有一定的局限性，但是随着时代发展，把某些算法结合或改良算法，就能扬长避短更好的为我们所使用。