| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 人工蜂群算法国内外研究现状 | 第9-11页 |
| 1.3 风电功率预测技术国内外研究现状 | 第11-13页 |
| 1.4 论文主要研究内容和安排 | 第13-14页 |
| 第二章 改进单目标人工蜂群算法 | 第14-29页 |
| 2.1 人工蜂群算法生物学基础 | 第14-16页 |
| 2.2 人工蜂群算法原理 | 第16-18页 |
| 2.3 人工蜂群算法参数及特点分析 | 第18-19页 |
| 2.3.1 人工蜂群算法主要参数 | 第18页 |
| 2.3.2 人工蜂群算法特点分析 | 第18-19页 |
| 2.4 基于信息反馈和改进适应度评价的人工蜂群算法 | 第19-22页 |
| 2.4.1 基于信息反馈的种群更新 | 第19-20页 |
| 2.4.2 基于对数的适应度函数 | 第20页 |
| 2.4.3 基于最优引导的淘汰更新函数 | 第20-21页 |
| 2.4.4 改进单目标人工蜂群算法流程 | 第21-22页 |
| 2.5 仿真实验及分析 | 第22-28页 |
| 2.5.1 测试函数 | 第22-23页 |
| 2.5.2 实验结果及分析 | 第23-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于进化知识融合的多目标人工蜂群算法 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 多目标优化问题 | 第29-30页 |
| 3.3 基于进化知识融合的多目标人工蜂群算法 | 第30-33页 |
| 3.3.1 引领蜂的精英群体引导策略 | 第30-31页 |
| 3.3.2 融合支配关系和种群分布的概率选择作用 | 第31页 |
| 3.3.3 改进外部档案维护策略 | 第31-32页 |
| 3.3.4 改进多目标人工蜂群算法流程 | 第32-33页 |
| 3.4 仿真实验及分析 | 第33-38页 |
| 3.4.1 测试函数 | 第33-34页 |
| 3.4.2 性能指标 | 第34页 |
| 3.4.3 实验结果及分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于多目标人工蜂群算法优化的风电功率区间预测 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 基于MOABC优化WNN的风电功率区间预测 | 第39-43页 |
| 4.2.1 基于WNN的风电功率区间预测模型 | 第39-40页 |
| 4.2.2 多目标区间预测优化准则 | 第40-41页 |
| 4.2.3 改进MOABC优化WNN的风电功率区间预测算法 | 第41-43页 |
| 4.3 仿真实验及分析 | 第43-48页 |
| 4.3.1 多目标优化与单目标优化区间预测性能对比分析 | 第43-46页 |
| 4.3.2 不同多目标进化算法预测性能对比分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 主要结论与展望 | 第49-51页 |
| 主要结论 | 第49页 |
| 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第56页 |
