1.一種基于粒子群的煤礦高壓電網(wǎng)自適應(yīng)并行拓?fù)浞治龇椒ǎ涮卣髟谟冢枋龅淖赃m應(yīng)并行拓?fù)浞治龇椒òㄈ缦虏襟E：

步驟1）、將煤礦高壓供電系統(tǒng)劃分為若干個局部煤礦高壓供電系統(tǒng)圖；

步驟2）、假定將煤礦高壓供電系統(tǒng)圖按照上述分組原則將其劃分為d個局部煤礦高壓供電系統(tǒng)圖，矩陣TimeOverheadData為d行1列的矩陣，其第i個元素TimeOverheadDatai的數(shù)值等于上一次第i個局部煤礦高壓供電系統(tǒng)圖的拓?fù)浞治鰰r間，其中1≤i≤d；基于粒子群算法將矩陣TimeOverheadData中若干個元素分別加入到V個隊(duì)列Qj中，使每組中拓?fù)浞治鰰r間之和的方差最小，其中1≤j≤V；

步驟3）、依據(jù)并行調(diào)度策略獲得的矩陣Ym完成煤礦高壓電網(wǎng)的并行拓?fù)浞治觯?/p>

在步驟2）中，包括如下步驟：

步驟（A1）：對粒子群算法參數(shù)進(jìn)行初始化，設(shè)置初始種群數(shù)量N，粒子群空間維度d，慣性權(quán)重w，加速系數(shù)c1和c2，速度限制vlimit，粒子群算法迭代次數(shù)ger=1；假定系統(tǒng)允許建立線程數(shù)為V；

步驟（A2）：生成初始種群矩陣X，初始情況下矩陣X是N行d列的零矩陣，將矩陣中的每個數(shù)用隨機(jī)產(chǎn)生的數(shù)V_i替換，1≤V_i≤V；矩陣Xm保存每個個體的歷史最佳位置，將新矩陣X的值賦予Xm，即令Xm=X，執(zhí)行步驟（A3）；

步驟（A3）：對種群的更新速度VE進(jìn)行初始化，VE為N行d列的隨機(jī)矩陣，將矩陣中的每個數(shù)用隨機(jī)產(chǎn)生的數(shù)K1替換，K1的取值為-1，0或1；同時生成種群的歷史最佳位置矩陣Ym，Ym為1行d列的矩陣，每個個體的歷史最佳適應(yīng)度矩陣用fxm表示，fxm為N行1列的矩陣；種群歷史最佳適應(yīng)度用fym表示；

步驟（A4）：矩陣TimeOverheadData中的第i個元素對應(yīng)的分組用Y_i表示，矩陣TimeOverheadData中的元素需要被劃分為V組，分別加入到V個隊(duì)列Q_j中，其中1≤Y_i≤V；1≤j≤V；對矩陣X中第k行的元素用X_k表示，X_k為1行d列的矩陣，其中1≤k≤N；針對矩陣X的每個元素X_k計(jì)算其適應(yīng)度，執(zhí)行步驟（A5）；

步驟（A5）：依據(jù)X_k對矩陣TimeOverheadData中的數(shù)據(jù)進(jìn)行分組，X_ki為矩陣X_k的第i個元素，針對X_k中的每個元素X_ki執(zhí)行如下步驟：如果X_ki等于j，則將矩陣TimeOverheadData中的第i個元素加入到隊(duì)列Q_j中；

步驟（A6）：針對每一個隊(duì)列Q_j執(zhí)行如下步驟：將隊(duì)列Q_j中所有元素的數(shù)值相加，得到的數(shù)值用Z_kj表示；

步驟（A7）：個體X_k的適應(yīng)度為f（X_k）， ；

步驟（A8）：將k的值設(shè)置為1，執(zhí)行步驟（A9）；

步驟（A9）：如果f（X_k）＜fxm_K，將f（X_k）的值賦于fxm_K，將矩陣XM第k行的值用矩陣X第k行的值替換；如果f（X_k）＜fym_K，將f（X_k）的值賦于fym_K，將矩陣Ym第k行的值用矩陣X第k行的值替換；

步驟（A10）：將k的值加1，如果k<=N，重復(fù)執(zhí)行步驟（A9）；如果k>N，執(zhí)行步驟（A11）；

步驟（A11）：依據(jù)公式，進(jìn)行速度更新，其中w=1，c1=1，c2=1，rand是一個0到1之間的隨機(jī)小數(shù)，repmat是一個N行d列的矩陣，每行的值均用Ym矩陣的第一行替換；依據(jù)公式進(jìn)行位置更新，得到的矩陣X中的每一個元素?cái)?shù)值如果大于1，該元素?cái)?shù)值就用1替換；得到的矩陣X中的每一個元素?cái)?shù)值如果小于-1，該元素?cái)?shù)值就用-1替換；

步驟（A12）：將粒子群迭代次數(shù)ger數(shù)值加1，如果ger大于1000時執(zhí)行步驟（A13），否則執(zhí)行步驟（A4）；

步驟（A13）：矩陣Ym中保存的為最終迭代產(chǎn)生的群體最佳位置，即最優(yōu)解。