總結：閱讀一篇論文——基于粒子群算法的風電場偏航主動控制(AYC)布局。1.本文采用偏航高斯尾流模型，以及以風電場為整體的尾流合并模型（公式5）；2.由于在布局優(yōu)化中考慮AYC大大增加了??（變量矩陣）的維度，本文采用了大規(guī)模優(yōu)化的自適應粒度學習分布式粒子群算法( AGLDPSO )。AGLDPSO能以較快的收斂速度避開次佳的結果。AGLDPSO使用一個多子群體的分布式模型和自適應粒度學習策略。搜索過程只更新每個子種群中最差的粒子，以搜索全局最優(yōu)點。3.以1/AEP最小為目標，聯(lián)合優(yōu)化(Joint)風機位置和偏航角。4.結果與討論（1）在案例a（風向均勻8m/s，間距5D，25臺風機）中，將本方法與DBHM算法、順序優(yōu)化與聯(lián)合優(yōu)化、貪婪控制（認為風機始終垂直與風向）和主動偏航控制相比較，驗證使用本方法聯(lián)合優(yōu)化風機位置和偏航角獲得的風電場布局AEP最大。（2）文中給出案例b、c、d（(b)8 m/s的均勻風、25臺風機、間距6??。(c)8 m/s的均勻風，36臺風機、間距6D。(d)不均勻風，25臺風機、間距5??。）以及更改WF1的風機型號和風速，探究風速度、機組型號（僅改變風機直徑）、風電場面積（間距）、風機數(shù)量、風速是否均勻對聯(lián)合優(yōu)化的影響。