| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究的目的及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 专家系统 | 第12-13页 |
| 1.3.2 优化技术 | 第13页 |
| 1.3.3 Petri网 | 第13-14页 |
| 1.3.4 遗传算法 | 第14页 |
| 1.3.5 多Agent系统 | 第14页 |
| 1.3.6 人工神经网络 | 第14-15页 |
| 1.4 GA-BP网络在电网故障诊断中的应用 | 第15-16页 |
| 1.5 论文工作 | 第16-17页 |
| 第二章 遗传算法的描述及改进 | 第17-27页 |
| 2.1 遗传算法的运算过程 | 第17-18页 |
| 2.2 遗传算法的基本操作 | 第18-23页 |
| 2.2.1 编码 | 第19-20页 |
| 2.2.2 初始种群的设定 | 第20-21页 |
| 2.2.3 适应度函数的设计 | 第21页 |
| 2.2.4 遗传操作设计 | 第21-23页 |
| 2.2.5 控制参数设定 | 第23页 |
| 2.3 遗传算法的缺点及改进 | 第23-24页 |
| 2.3.1 遗传算法的缺点 | 第23-24页 |
| 2.3.2 遗传算法的改进 | 第24页 |
| 2.4 本章小结 | 第24-27页 |
| 第三章 神经网络描述 | 第27-41页 |
| 3.1 人工神经网络 | 第27-32页 |
| 3.1.1 人工神经网络的发展 | 第27-28页 |
| 3.1.2 人工神经网络模型 | 第28-29页 |
| 3.1.3 神经网络的模型分类 | 第29-31页 |
| 3.1.4 神经网络的学习方式 | 第31-32页 |
| 3.2 BP神经网络 | 第32-38页 |
| 3.2.1 BP神经网络的学习 | 第33-36页 |
| 3.2.2 BP神经网络的数学基础 | 第36-38页 |
| 3.3 BP神经网络的研究现状 | 第38-39页 |
| 3.4 BP神经网络的改进 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于链式竞争的遗传优化BP神经网络的设计 | 第41-45页 |
| 4.1 传统的遗传算法优化BP神经网络 | 第41-42页 |
| 4.2 基于链式竞争的遗传优化BP神经网络 | 第42-43页 |
| 4.3 本章小结 | 第43-45页 |
| 第五章 基于LGA-BP的电网区域故障诊断及仿真 | 第45-57页 |
| 5.1 LGA-BP的配电网故障定位原理 | 第45页 |
| 5.2 故障建模 | 第45-47页 |
| 5.3 LGA算法建模 | 第47-49页 |
| 5.4 BP神经网络建模 | 第49-52页 |
| 5.5 仿真分析 | 第52-56页 |
| 5.5.1 LGA与GA算法的仿真分析 | 第53-54页 |
| 5.5.2 LGA-BP、GA-BP、BP算法的仿真分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 论文总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 附录A(攻读硕士期间的学术成果) | 第69-71页 |
| 附录B(代码描述) | 第71-77页 |
| 1.GA-BP算法描述 | 第71-73页 |
| 2.LGA-BP算法描述 | 第73-77页 |