Aplicación de algoritmos heurísticos en la construcción de la población inicial de algoritmos genéticos que resuelven el problema de planeamiento de la expansión de la transmisión Using traditional heuristic algorithms on an initial genetic algorithm population applied to the transmission expansion planning problem

En este artículo se analiza el impacto de seleccionar poblaciones iníciales de buena calidad para ser usadas en algoritmos genéticos, con el propósito de obtener mayor velocidad de convergencia y mejor calidad en las soluciones alcanzadas cuando se resuelve el problema del planeamiento de la expansión a largo plazo de los sistemas de transmisión de energía eléctrica. Los sistemas de prueba que se analizan corresponden a sistemas de alta complejidad, tradicionalmente usados en la literatura especializada. Para generar soluciones iníciales de buena calidad se utilizan algoritmos heurísticos constructivos, particularmente los más utilizados en problemas de planeamiento de la expansión de sistemas de transmisión. Se comparan los resultados obtenidos con los que entregan los algoritmos genéticos que usan poblaciones iniciales aleatorias. Los resultados muestran que una población inicial generada en forma heurística permite obtener soluciones de mejor o igual calidad y con esfuerzos computacionales menores, cuando se resuelven sistemas eléctricos de gran complejidad. This paper analyses the impact of choosing good initial populations for genetic algorithms regarding convergence speed and final solution quality. Test problems were taken from complex electricity distribution network expansion planning. Constructive heuristic algorithms were used to generate good initial populations, particularly those used in resolving transmission network expansion planning. The results were compared to those found by a genetic algorithm with random initial populations. The results showed that an efficiently generated initial population led to better solutions being found in less time when applied to low complexity electricity distribution networks and better quality solutions for highly complex networks when compared to a genetic algorithm using random initial populations.