改进人工蜂群算法及在梯级水库群优化调度中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·梯级水库调度研究现状 | 第8-9页 |
| ·人工蜂群算法研究现状 | 第9-10页 |
| ·主要研究内容 | 第10-11页 |
| ·本文框架 | 第11-12页 |
| 第2章 相关理论基础 | 第12-18页 |
| ·梯级水库优化调度方法 | 第12-14页 |
| ·线性规划和非线性规划 | 第12页 |
| ·动态规划法 | 第12-13页 |
| ·智能优化算法 | 第13-14页 |
| ·标准人工蜂群算法 | 第14-17页 |
| ·人工蜂群算法基本原理 | 第14-15页 |
| ·人工蜂群算法流程 | 第15-16页 |
| ·人工蜂群算法参数分析 | 第16-17页 |
| ·人工蜂群算法时间复杂度分析 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第3章 自适应人工蜂群算法 | 第18-24页 |
| ·基本人工蜂群的缺点 | 第18页 |
| ·自适应人工蜂群算法 | 第18-20页 |
| ·自适应交叉策略 | 第18-19页 |
| ·自适应全局最优引导策略 | 第19页 |
| ·算法流程 | 第19-20页 |
| ·实验与分析 | 第20-23页 |
| ·经典基准函数 | 第20页 |
| ·实验结果分析 | 第20-21页 |
| ·收敛曲线 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第4章 异维学习人工蜂群算法 | 第24-37页 |
| ·异维学习人工蜂群算法 | 第24-27页 |
| ·雇佣蜂自适应搜索策略 | 第24页 |
| ·观察蜂异维学习搜索策略 | 第24-25页 |
| ·时间复杂度分析 | 第25页 |
| ·DDLABC算法流程 | 第25-27页 |
| ·仿真实验与结果分析 | 第27-35页 |
| ·经典基准函数的测试与分析 | 第27-33页 |
| ·复合基准函数的测试与分析 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第5章 混合人工蜂群算法 | 第37-48页 |
| ·混合人工蜂群算法 | 第37-39页 |
| ·混合搜索策略 | 第37-38页 |
| ·算法流程 | 第38-39页 |
| ·实验与分析 | 第39-47页 |
| ·经典基准函数的测试与分析 | 第39-44页 |
| ·在CEC2013基准函数的测试与分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 梯级水库优化调度研究 | 第48-59页 |
| ·梯级水库调度数学模型 | 第48-49页 |
| ·目标函数 | 第48页 |
| ·约束条件 | 第48-49页 |
| ·基于人工蜂群算法的梯级水库调度 | 第49-52页 |
| ·改进蜂群算法的适用性研究 | 第49页 |
| ·约束机制分析 | 第49-51页 |
| ·算法流程 | 第51-52页 |
| ·清江流域模拟实验 | 第52-58页 |
| ·清江流域梯级水库简介 | 第52-54页 |
| ·实验测试与分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第7章 总结与展望 | 第59-60页 |
| ·全文总结 | 第59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士期间发表论文和参加项目情况 | 第65-66页 |
| 致谢 | 第66页 |
