| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 引言 | 第14页 |
| 1.2 论文背景 | 第14-16页 |
| 1.2.1 多路实时监测系统的现场总线技术 | 第14-15页 |
| 1.2.2 实时监测和故障诊断的现状 | 第15-16页 |
| 1.2.3 实时监测系统中使用的优化算法 | 第16页 |
| 1.3 多路实时监测系统路径优化问题模型的提出 | 第16-20页 |
| 1.3.1 多路实时监测系统的网络结构 | 第17-18页 |
| 1.3.2 包含保护点的路径优化问题的提出 | 第18-20页 |
| 1.3.3 包含保护点的路径优化问题的研究现状 | 第20页 |
| 1.4 本文主要工作和内容安排 | 第20-22页 |
| 第二章 蚁群算法和Saksena & Kumar算法的基本原理 | 第22-40页 |
| 2.1 蚁群优化算法 | 第22-34页 |
| 2.1.1 蚂蚁行为的实验分析 | 第22-23页 |
| 2.1.2 蚁群行为的模型分析 | 第23-25页 |
| 2.1.3 蚂蚁系统及其改进模型 | 第25-30页 |
| 2.1.4 ACO算法的数据结构 | 第30-32页 |
| 2.1.5 ACO的算法实现 | 第32-34页 |
| 2.2 Saksena & Kumar算法及其分析 | 第34-38页 |
| 2.2.1 Saksena &Kumar基本算法的原理 | 第34-37页 |
| 2.2.2 Saksena & Kumar算法的分析 | 第37-38页 |
| 2.3 本章小结 | 第38-40页 |
| 第三章 基于蚁群优化的改进Saksena & Kumar算法 | 第40-52页 |
| 3.1 相关概念及算法 | 第40-42页 |
| 3.1.1 组合优化问题与启发式算法 | 第40页 |
| 3.1.2 NP-难问题的解决方法 | 第40-41页 |
| 3.1.3 旅行商问题 | 第41-42页 |
| 3.2 问题的定义与公式化表述 | 第42-45页 |
| 3.2.1 使用的符号 | 第42页 |
| 3.2.2 问题的公式化表述 | 第42-44页 |
| 3.2.3 问题的简洁证明 | 第44-45页 |
| 3.3 对Saksena &Kumar算法做出的改进 | 第45-50页 |
| 3.4 本章总结 | 第50-52页 |
| 第四章 多路实时监测系统的设计与实现 | 第52-68页 |
| 4.1 多路实时监测系统线路连接介绍 | 第52-56页 |
| 4.2 系统结构及原理 | 第56-59页 |
| 4.2.1 多通道实时监测系统基本结构 | 第56-58页 |
| 4.2.2 系统模块介绍 | 第58-59页 |
| 4.3 系统软件及原理 | 第59-67页 |
| 4.3.1 系统总体软件流程 | 第59-61页 |
| 4.3.2 系统操作界面说明 | 第61-63页 |
| 4.3.3 Modbus RTU通信协议研究 | 第63-67页 |
| 4.4 本章总结 | 第67-68页 |
| 第五章 实验结果和分析 | 第68-72页 |
| 5.1 实验环境 | 第68页 |
| 5.2 实验参数设置 | 第68-69页 |
| 5.3 实验结果和分析 | 第69-71页 |
| 5.4 本章总结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 论文工作总结 | 第72-73页 |
| 6.2 问题与展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
