| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 课题的发展概况 | 第8-12页 |
| 1.2.1 蚁群算法的研究进展 | 第9-10页 |
| 1.2.2 连续域蚁群算法的研究进展 | 第10-11页 |
| 1.2.3 群体智能算法在电力系统经济调度中的研究进展 | 第11-12页 |
| 1.3 论文的主要工作和章节安排 | 第12-14页 |
| 第二章 蚁群优化算法 | 第14-22页 |
| 2.1 基本蚁群算法 | 第14-15页 |
| 2.1.1 离散组合优化问题 | 第14页 |
| 2.1.2 ACO元启发式算法 | 第14-15页 |
| 2.2 ACO算法模型 | 第15-17页 |
| 2.2.1 基本蚁群算法 | 第15页 |
| 2.2.2 基本蚁群算法步骤 | 第15-16页 |
| 2.2.3 基本蚁群算法流程图 | 第16-17页 |
| 2.3 基本连续域蚁群算法 | 第17-21页 |
| 2.3.1 基本连续域蚁群算法思想 | 第17-19页 |
| 2.3.2 基本连续域蚁群算法 | 第19-20页 |
| 2.3.3 基本连续域蚁群算法流程图 | 第20-21页 |
| 2.3.4 基本连续域蚁群算法的缺陷 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 一种动态划分的混合连续域蚁群优化算法 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 解的预处理和动态划分 | 第22-23页 |
| 3.3 局部搜索策略 | 第23-24页 |
| 3.4 随机搜索策略 | 第24-26页 |
| 3.5 算法收敛性分析 | 第26-27页 |
| 3.6 实验与结果分析 | 第27-32页 |
| 3.6.1 不同策略对算法整体寻优的贡献 | 第27-28页 |
| 3.6.2 与其他蚁群算法的对比 | 第28-30页 |
| 3.6.3 与其他优化算法的对比 | 第30-32页 |
| 3.7 本章小结 | 第32-34页 |
| 第四章 基于信息交流策略的连续域蚁群优化算法 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 信息交流策略 | 第34-35页 |
| 4.3 ICACO算法流程 | 第35-37页 |
| 4.4 ICACO算法性能分析 | 第37页 |
| 4.5 实验与结果分析 | 第37-44页 |
| 4.5.1 测试函数和实验参数设置 | 第37-38页 |
| 4.5.2 实验结果分析 | 第38-41页 |
| 4.5.3 参数r的分析 | 第41-42页 |
| 4.5.4 算法性能分析 | 第42-43页 |
| 4.5.5 ICACO算法与DPHACO算法比较 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 改进的蚁群优化算法求解电力系统经济调度 | 第45-56页 |
| 5.1 电力系统经济调度描述 | 第45页 |
| 5.2 传统电力系统经济调度 | 第45-50页 |
| 5.2.1 传统电力系统经济调度模型 | 第45-47页 |
| 5.2.2 传统电力经济调度约束处理 | 第47页 |
| 5.2.3 算法步骤 | 第47-48页 |
| 5.2.4 实验结果与分析 | 第48-50页 |
| 5.3 含风电场电力系统经济调度 | 第50-55页 |
| 5.3.1 含风电场电力系统经济调度模型 | 第51-52页 |
| 5.3.2 实验结果与分析 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 论文存在的问题以及未来工作的展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录：作者在读期间的研究成果 | 第64页 |