致谢 | 第5-6页 |
摘要 | 第6-8页 |
Abstract | 第8-9页 |
插图和附表清单 | 第11-13页 |
目次 | 第13-15页 |
1 绪论 | 第15-35页 |
1.1 课题背景 | 第15-18页 |
1.2 多目标优化基本概念 | 第18-21页 |
1.3 进化计算概述 | 第21-30页 |
1.3.1 进化论起源与发展 | 第21-22页 |
1.3.2 从进化论到进化计算 | 第22-27页 |
1.3.3 进化计算理论研究现状 | 第27-28页 |
1.3.4 进化计算在建模、控制领域的应用 | 第28-30页 |
1.4 热电厂负荷分配研究现状 | 第30-32页 |
1.5 本文主要研究内容以及结构安排 | 第32-35页 |
2 多目标优化方法研究现状 | 第35-51页 |
2.1 多目标优化算法分类 | 第35-38页 |
2.1.1 无偏好信息的多目标优化方法 | 第36页 |
2.1.2 具有先验偏好信息的多目标优化方法 | 第36-37页 |
2.1.3 逐步利用偏好信息的多目标优化方法 | 第37-38页 |
2.1.4 具有后验偏好信息的多目标优化方法 | 第38页 |
2.2 多目标优化方法及其策略分析 | 第38-49页 |
2.2.1 多目标优化算法概述 | 第39-40页 |
2.2.2 多目标优化算法简介 | 第40-49页 |
2.3 多目标进化算法研究存在的问题 | 第49-50页 |
2.4 本章小结 | 第50-51页 |
3 基于粒子群和极值动力学优化的混合多目标优化算法 | 第51-85页 |
3.1 粒子群优化算法 | 第51-53页 |
3.2 极值动力学优化算法 | 第53-54页 |
3.3 基于粒子群和极值动力学优化的混合多目标优化算法 | 第54-72页 |
3.3.1 算法流程 | 第55-57页 |
3.3.2 适应度评价及Pareto支配策略 | 第57页 |
3.3.3 动态外部存档 | 第57-61页 |
3.3.4 多样性保持机制 | 第61-63页 |
3.3.5 约束处理方法 | 第63-65页 |
3.3.6 离散变量处理 | 第65-66页 |
3.3.7 决策变量维度降低策略 | 第66-68页 |
3.3.8 计算效率分析 | 第68-69页 |
3.3.9 算法性能分析 | 第69-72页 |
3.4 数值无约束二维优化问题测试 | 第72-79页 |
3.4.1 测试函数 | 第72页 |
3.4.2 性能指标 | 第72-73页 |
3.4.3 参数设置 | 第73-74页 |
3.4.4 仿真结果与分析 | 第74-79页 |
3.5 数值无约束高维优化问题测试 | 第79-83页 |
3.5.1 测试函数 | 第79-80页 |
3.5.2 参数设置 | 第80页 |
3.5.3 仿真结果与分析 | 第80-83页 |
3.6 本章小结 | 第83-85页 |
4 PSO-EO算法求解实际工程优化问题 | 第85-99页 |
4.1 机械设计多目标优化问题 | 第85-93页 |
4.1.1 设计实例 | 第85-88页 |
4.1.2 性能指标 | 第88页 |
4.1.3 参数设置 | 第88页 |
4.1.4 仿真结果与分析 | 第88-93页 |
4.2 复杂工程多目标优化问题 | 第93-97页 |
4.2.1 复杂工程优化实例 | 第93-94页 |
4.2.2 参数设置 | 第94-95页 |
4.2.3 仿真结果与分析 | 第95-97页 |
4.3 本章小结 | 第97-99页 |
5 PSO-EO算法在锅炉负荷智能分配中的应用 | 第99-116页 |
5.1 热电厂多锅炉系统的生产工艺 | 第100-103页 |
5.2 中短期需求负荷预测建模 | 第103-106页 |
5.2.1 中短期负荷预测影响因素分析 | 第103-105页 |
5.2.2 需求负荷预测神经网络建模 | 第105-106页 |
5.3 多锅炉系统负荷分配建模 | 第106-114页 |
5.3.1 多锅炉系统负荷分配多目标优化建模 | 第107-109页 |
5.3.2 负荷预测与负荷分配仿真研究及软件开发 | 第109-114页 |
5.4 本章小结 | 第114-116页 |
6 总结与展望 | 第116-119页 |
6.1 工作总结 | 第116-117页 |
6.2 研究展望 | 第117-119页 |
参考文献 | 第119-132页 |
作者简介 | 第132-133页 |
攻读博士学位期间主要的研究成果 | 第133-135页 |