| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-10页 |
| 1.1 多目进化算法研究现状与进展 | 第8-9页 |
| 1.2 论文的主要研究工作 | 第9-10页 |
| 2 粒子群优化算法与多目标优化问题及算法 | 第10-22页 |
| 2.1 粒子群优化算法 | 第10-11页 |
| 2.1.1 标准粒子群算法 | 第10-11页 |
| 2.2 多目标优化问题 | 第11-12页 |
| 2.2.1 多目标优化问题的基本概念 | 第11-12页 |
| 2.3 多目标粒子群优化算法 | 第12-13页 |
| 2.3.1 MOPSO基本原理 | 第13页 |
| 2.4 速度约束多目标粒子群算法 | 第13-17页 |
| 2.4.1 速度约束方法 | 第13-14页 |
| 2.4.2 多项式变异 | 第14页 |
| 2.4.3 拥挤距离 | 第14-15页 |
| 2.4.4 归档集的更新 | 第15-17页 |
| 2.4.5 SMPSO算法实现步骤 | 第17页 |
| 2.5 SMPSO算法性能测试与分析 | 第17-21页 |
| 2.5.1 测试函数 | 第17-18页 |
| 2.5.2 算法所得最优解集的评价标准 | 第18页 |
| 2.5.3 参数设置及仿真结果分析 | 第18-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 自适应变异多目标粒子群算法 | 第22-29页 |
| 3.1 保持种群多样性策略和Pareto最优解集多样性策略 | 第22-24页 |
| 3.1.1 保持种群多样性策略 | 第22-23页 |
| 3.1.2 Pareto最优解集多样性策略 | 第23-24页 |
| 3.2 改进后的SMPSO | 第24页 |
| 3.2.1 算法步骤 | 第24页 |
| 3.3 算法性能测试与分析 | 第24-28页 |
| 3.3.1 测试函数 | 第24-25页 |
| 3.3.2 算法所得最优解集的评价标准 | 第25页 |
| 3.3.3 参数设置及仿真结果分析 | 第25-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 一种快速构造非支配集的多目标粒子群算法 | 第29-38页 |
| 4.1 非支配解集的构造策略 | 第29-31页 |
| 4.1.1 算法的时间复杂度分析 | 第31页 |
| 4.2 归档集更新策略 | 第31-33页 |
| 4.3 改进后的SMPSO | 第33-37页 |
| 4.3.1 算法步骤 | 第34-35页 |
| 4.3.2 算法性能测试与分析 | 第35页 |
| 4.3.3 参数设置及仿真结果分析 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 自适应变异的快速多目标粒子群算法 | 第38-42页 |
| 5.1 改进后的SMPSO | 第38-41页 |
| 5.1.1 算法步骤 | 第38页 |
| 5.1.2 算法性能测试与分析 | 第38-41页 |
| 5.2 本章小结 | 第41-42页 |
| 6 多目标粒子群优化算法在电力系统环境经济调度中的应用 | 第42-50页 |
| 6.1 电力系统环境经济调度问题的数学模型 | 第42-43页 |
| 6.1.1 目标函数 | 第42页 |
| 6.1.2 约束条件 | 第42-43页 |
| 6.2 电力系统环境经济调度问题的求解 | 第43-44页 |
| 6.2.1 约束条件的初始化实现 | 第43页 |
| 6.2.2 本文采用的算例 | 第43-44页 |
| 6.3 SMPOS和 AFMPSO算法求解环境经济调度问题 | 第44-46页 |
| 6.3.1 参数编码 | 第44页 |
| 6.3.2 SMPSO和 AFMPSO算法求解环境经济调度问题的流程 | 第44-46页 |
| 6.4 实例仿真 | 第46-49页 |
| 6.4.1 算例选择 | 第46页 |
| 6.4.2 算法的参数设置 | 第46页 |
| 6.4.3 仿真结果及分析 | 第46-49页 |
| 6.5 本章小结 | 第49-50页 |
| 7 总结及展望 | 第50-52页 |
| 7.1 总结 | 第50-51页 |
| 7.2 论文的展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
