1 主要内容 2 改进算法 2.1 CC&G算法的优势 2.2 i-CCG算法简介 3 结果对比 1 主要内容 自从2013年的求解两阶段鲁棒优化模型的列和约束生成算法(CC&G)被提出之后,基本没有实质性的创新,都是围绕该算法在各个领域的深度应用,有些小的变形应用也都是基于模型应用,比如嵌套CCG等。所以这些年大热的CC&G研究在...
i-CCG算法步骤: 该算法初始阶段通过牺牲求解精度(设置emp的值)来达到快速求解的目的,在循环迭代过程中增加了不精确求解变量(相当于在传统CCG算法中增加了一个缓冲层),并对求解的状态进行识别,不同求解状态下会进入不同的循环阶段,直至收敛到阈值以下。 3结果对比 以考虑需求响应的6节点电网两阶段鲁棒优化调度程序为...
CCG算法中,求解主问题(MP)因为引入了太多约束求解起来非常困难,而且一旦某一步求解突然变慢,后面会一直慢下去。i-ccg采用了一种探索-利用的方法,首先尝试把MP求到次优来为子问题(SP)提供输入,而不是直接求到最优,这样可以减少求解时间,之后检查bound是否足够小,如果足够小,说明这时候快求到最优了,需要找出更坏...
CC&G算法的两大优势在于：首先，它通过严格辨识场景来缩减模型求解的搜索域；其次，它保持主问题的原始模型架构，避免了Benders分解中的对偶割平面构建，从而减少了模型计算量。因此，CC&G算法成为求解两阶段鲁棒优化问题的主要方法。i-CCG算法是2023年新发表的研究成果，旨在解决CCG算法在大规模求解或复杂...