粗粒度并行遗传算法的计算性能及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-30页 |
| ·研究背景、目的和意义 | 第13-14页 |
| ·优化问题和测试函数 | 第14-17页 |
| ·遗传算法 | 第17-22页 |
| ·并行遗传算法 | 第22-25页 |
| ·遗传算法和其他搜索算法的计算性能的比较 | 第25-27页 |
| ·研究内容和论文结构 | 第27-29页 |
| ·论文研究方法 | 第29-30页 |
| 2 遗传算法运行过程和计算性能研究 | 第30-45页 |
| ·遗传算法的执行步骤和具体操作 | 第30-32页 |
| ·遗传算法的模式机理 | 第32-33页 |
| ·遗传算法的进化过程 | 第33-37页 |
| ·遗传算法的实验方法 | 第37-39页 |
| ·遗传算法计算效率和随机遍历搜索的比较 | 第39-42页 |
| ·遗传算法的定义域和值域 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 3 基于变异操作的遗传算法改进型研究 | 第45-60页 |
| ·遗传算法改进型概论 | 第45-48页 |
| ·变异操作对遗传算法计算性能的影响 | 第48-50页 |
| ·自适应型变异操作 | 第50-53页 |
| ·变异操作方式的改进 | 第53-56页 |
| ·多次种群初始化 | 第56-57页 |
| ·各种变异操作改进型的计算结果分析和结论 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 4 粗粒度并行遗传算法的计算性能研究 | 第60-76页 |
| ·粗粒度并行遗传算法的运行步骤 | 第60-61页 |
| ·粗粒度并行遗传算法的机理 | 第61-64页 |
| ·粗粒度并行遗传算法的未成熟收敛问题 | 第64-65页 |
| ·粗粒度并行遗传算法的参数 | 第65页 |
| ·粗粒度并行遗传算法的实验方法 | 第65-67页 |
| ·实验结果和结论 | 第67-70页 |
| ·遗传算法计算性能的统计分析 | 第70-75页 |
| ·本章小结 | 第75-76页 |
| 5 迁移操作对粗粒度并行遗传算法的影响 | 第76-86页 |
| ·迁移操作的机理 | 第76页 |
| ·迁移操作和变异操作的比较 | 第76-77页 |
| ·迁移方式 | 第77-78页 |
| ·迁移操作的执行步骤和执行方法 | 第78-79页 |
| ·迁移操作的实验方法 | 第79-80页 |
| ·实验结果及其分析 | 第80-84页 |
| ·本章实验结论 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 6 一种改进型粗粒度并行遗传算法 | 第86-95页 |
| ·粗粒度并行遗传算法的运行机理 | 第86-88页 |
| ·粗粒度并行遗传算法的改进方法 | 第88-89页 |
| ·实验方法 | 第89-91页 |
| ·计算结果及其分析 | 第91-93页 |
| ·本章实验结论 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 7 案例:梯级水电站群短期优化调度研究 | 第95-122页 |
| ·梯级水电站群短期调度问题概述 | 第95-100页 |
| ·梯级水电站短期调度模型的建立 | 第100-112页 |
| ·用于计算的模型初始数据和遗传算法参数 | 第112-118页 |
| ·模型计算结果及其分析 | 第118-121页 |
| ·本章小结 | 第121-122页 |
| 8 全文总结与展望 | 第122-126页 |
| ·全文总结 | 第122-124页 |
| ·研究展望 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-138页 |
| 附录1 | 第138-140页 |
| A.攻读博士学位期间公开发表的学术论文 | 第138-139页 |
| B.公开发表的学术论文与博士学位论文的关系 | 第139-140页 |
| 附录2 本文中的部分详细计算结果 | 第140-158页 |
