| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究的背景及意义 | 第8页 |
| ·群体智能算法 | 第8-9页 |
| ·常见的群体智能算法的简介 | 第9-12页 |
| ·蚁群算法 | 第9-10页 |
| ·微粒子群算法 | 第10页 |
| ·人工鱼群算法 | 第10-11页 |
| ·混合蛙跳算法 | 第11页 |
| ·人工蜂群算法 | 第11-12页 |
| ·群体智能算法统一的框架模式 | 第12页 |
| ·论文的主要内容 | 第12-13页 |
| 第二章 人工蜂群算法的简介 | 第13-20页 |
| ·基本的行为描述 | 第13-15页 |
| ·人工蜂群算法的基本原理 | 第15页 |
| ·人工蜂群算法的流程 | 第15-16页 |
| ·人工蜂群算法的特征 | 第16-17页 |
| ·系统性 | 第16页 |
| ·分布性 | 第16-17页 |
| ·自组织 | 第17页 |
| ·反馈 | 第17页 |
| ·人工蜂群算法的研究背景及现状 | 第17-20页 |
| 第三章 自适应比例选择策略的人工蜂群算法 | 第20-29页 |
| ·自适应比例选择策略 | 第20-21页 |
| ·幂指数λ→0 | 第20-21页 |
| ·幂指数 | 第21页 |
| ·基于自适应选择策略的人工蜂群算法的流程 | 第21-22页 |
| ·实验结果与分析 | 第22-28页 |
| ·算法的参数设置 | 第23页 |
| ·实验结果分析 | 第23-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 嵌入粒子群优化算法的混合人工蜂群算法 | 第29-45页 |
| ·引言 | 第29页 |
| ·粒子群优化算法的概述 | 第29-31页 |
| ·PSO 算法的数学模型 | 第29-30页 |
| ·PSO 算法流程 | 第30-31页 |
| ·混合人工蜂群算法 | 第31-32页 |
| ·实验结果分析 | 第32-44页 |
| ·测试函数的选取 | 第32-33页 |
| ·算法参数设置 | 第33页 |
| ·实验结果分析 | 第33-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 改进人工蜂群算法在电力系统无功优化中的应用 | 第45-56页 |
| ·概述 | 第45-46页 |
| ·电力系统无功优化的数学模型 | 第46-48页 |
| ·目标函数 | 第46-47页 |
| ·约束条件 | 第47页 |
| ·变量 | 第47-48页 |
| ·SP-ABC 在无功优化中的应用 | 第48-50页 |
| ·目标函数的选取 | 第48页 |
| ·解空间的产生 | 第48-49页 |
| ·算法参数的设置 | 第49-50页 |
| ·停止准则 | 第50页 |
| ·基于 SP-ABC 算法的无功优化求解步骤 | 第50-52页 |
| ·基于 SP-ABC 算法的无功优化流程图 | 第51-52页 |
| ·算例分析 | 第52-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-61页 |
| 论文发表情况 | 第61-62页 |
| 致谢 | 第62页 |