传统优化方法普遍是基于当前解寻找下降方向,没有在已完成的寻优轨迹中学习能够为后期继续求解新问题、带来有启迪意义的先验知识。为此,该文以海量计算的区域综合能源系统(district integrated energy system,DIES)市场价值分配结算问...传统优化方法普遍是基于当前解寻找下降方向,没有在已完成的寻优轨迹中学习能够为后期继续求解新问题、带来有启迪意义的先验知识。为此,该文以海量计算的区域综合能源系统(district integrated energy system,DIES)市场价值分配结算问题为例,提出能够利用寻优过程中的历史信息开展认知学习,更新先验知识,并根据其判断当前变量价值,从而能够加速变结构子问题优化的方法。在主问题寻优过程中,通过检验数偏移量学习,不断更新有价值基的先验认知概率。在变结构子问题中,利用上述先验知识削减基变量规模,在下降空间最大的非基变量中,根据先验知识选择进基,有效提高换基效率,加速变结构问题求解。构建多主体参与的DIES变结构优化案例结果表明:相比于直接优化,该方法能够将求解时间缩减至10^(-1)~10^(-3)量级内。经过鲁棒测试及在图形处理器(graphics processing unit,GPU)上运行算例,验证该文方法的有效性、鲁棒性和规模效益性。展开更多
