云环境下基于并行智能算法的配电网网络重构算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文的背景及意义 | 第10-11页 |
| 1.2 配电网网络重构的研究现状 | 第11-14页 |
| 1.2.1 传统串行算法 | 第11-13页 |
| 1.2.2 经典并行算法 | 第13-14页 |
| 1.3 本论文的创新点及主要工作 | 第14-16页 |
| 第2章 云环境及MPJ并行通讯协议 | 第16-23页 |
| 2.1 云环境简介 | 第16-18页 |
| 2.1.1 云计算简介及其相关介绍 | 第16页 |
| 2.1.2 云计算的特点 | 第16-17页 |
| 2.1.3 云计算的架构 | 第17-18页 |
| 2.1.4 云计算对配网重构的影响 | 第18页 |
| 2.2 MPJ简介 | 第18-22页 |
| 2.2.1 MPJ来源 | 第18-19页 |
| 2.2.2 MPJ核心技术 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 双策略蚁群算法 | 第23-35页 |
| 3.1 配电网网络重构的数学模型 | 第23页 |
| 3.2 蚁群算法基本原理 | 第23-25页 |
| 3.3 双策略蚁群算法 | 第25-28页 |
| 3.3.1 自适应减少蚂蚁数量 | 第25-26页 |
| 3.3.2 信息素的累加 | 第26-27页 |
| 3.3.3 算法实现 | 第27-28页 |
| 3.4 MPJ实验集群的搭建 | 第28-29页 |
| 3.5 双策略蚁群算法实验数据对比 | 第29-34页 |
| 3.5.1 削减因子中各参数的取值对算法的影响 | 第29-31页 |
| 3.5.2 积累因子对算法的影响 | 第31-32页 |
| 3.5.3 双策略蚁群算法与已有方法的比较 | 第32-33页 |
| 3.5.4 信息素更新次数N和蚂蚁数量m的影响 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 并行蚁群记忆查找算法 | 第35-45页 |
| 4.1 设立查找表 | 第36-37页 |
| 4.2 分步长积累信息素 | 第37-38页 |
| 4.3 算法实现 | 第38-40页 |
| 4.4 并行蚁群记忆查找算法实验数据对比 | 第40-44页 |
| 4.4.1 并行度对加速比的影响 | 第40-41页 |
| 4.4.2 试验规模对算法的影响 | 第41-43页 |
| 4.4.3 设定不同的?值对算法的影响 | 第43页 |
| 4.4.4 两种算法相结合与已有算法对比 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 全文总结 | 第45页 |
| 5.2 未来展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第50-51页 |
| 致谢 | 第51页 |
