| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 传统优化方法的基本步骤 | 第12页 |
| 1.1.2 传统优化方法的局限性 | 第12-13页 |
| 1.2 智能优化算法的产生与发展 | 第13-14页 |
| 1.3 智能优化算法的研究现状 | 第14-19页 |
| 1.3.1 遗传算法 | 第15-17页 |
| 1.3.2 粒子群优化算法 | 第17-18页 |
| 1.3.3 差分进化算法 | 第18-19页 |
| 1.4 本文主要工作 | 第19-22页 |
| 第二章 改进的粒子群优化算法在系统可靠性中的应用 | 第22-50页 |
| 2.1 粒子群优化算法 | 第22-26页 |
| 2.1.1 粒子群优化算法的基本原理 | 第23-24页 |
| 2.1.2 算法流程 | 第24页 |
| 2.1.3 一些常用的改进粒子群优化算法 | 第24-26页 |
| 2.2 改进的粒子群优化算法(IPSO) | 第26-29页 |
| 2.3 系统可靠性问题 | 第29-30页 |
| 2.4 问题模型 | 第30-31页 |
| 2.5 准备工作 | 第31页 |
| 2.5.1 约束处理 | 第31页 |
| 2.5.2 对于整数变量的处理 | 第31页 |
| 2.6 实验结果和分析 | 第31-48页 |
| 2.7 小结 | 第48-50页 |
| 第三章 分布估计粒子群优化算法及其在电力系统经济调度中的应用 | 第50-84页 |
| 3.1 分布估计算法 | 第50-54页 |
| 3.1.1 算法基本流程 | 第50-51页 |
| 3.1.2 分布估计算法的分类 | 第51-54页 |
| 3.2 分布估计粒子群优化算法 | 第54-56页 |
| 3.2.1 分布估计粒子群优化算法的基本思想 | 第54页 |
| 3.2.2 分布估计粒子群优化算法的主要步骤及流程 | 第54-56页 |
| 3.3 无约束问题测试及结果分析 | 第56-65页 |
| 3.3.1 对比机制以及参数设置 | 第59-60页 |
| 3.3.2 结果分析 | 第60-65页 |
| 3.4 参数e对于算法性能的影响 | 第65-69页 |
| 3.5 电力系统经济调度模型概述 | 第69-72页 |
| 3.6 本文采用的数学模型 | 第72-73页 |
| 3.7 本文的约束处理方法 | 第73-74页 |
| 3.7.1 不等式约束的处理方法 | 第73页 |
| 3.7.2 等式约束的处理方法 | 第73-74页 |
| 3.8 分布估计粒子群优化算法解决电力系统经济调度问题 | 第74-82页 |
| 3.9 小结 | 第82-84页 |
| 第四章 基于全局差分进化算法的电力系统无功优化研究 | 第84-110页 |
| 4.1 电力系统无功优化的解决方法 | 第84-86页 |
| 4.1.1 经典算法解决电力系统无功优化 | 第85页 |
| 4.1.2 智能优化算法解决电力系统无功优化 | 第85-86页 |
| 4.2 基本差分进化算法 | 第86-88页 |
| 4.3 几种改进的差分进化算法 | 第88-89页 |
| 4.4 全局差分进化算法 | 第89-92页 |
| 4.4.1 基本差分进化算法的主要缺陷 | 第90页 |
| 4.4.2 全局差分进化(GDE)算法的主要改进 | 第90-92页 |
| 4.5 电力系统无功优化的数学模型 | 第92-94页 |
| 4.5.1 电力系统无功优化的数学模型概述 | 第92页 |
| 4.5.2 本文采用的电力系统无功优化的数学模型 | 第92-94页 |
| 4.6 电力系统无功优化中的潮流计算方法 | 第94-96页 |
| 4.6.1 牛顿-拉夫逊潮流计算法的数学模型 | 第94-95页 |
| 4.6.2 牛顿-拉夫逊潮流计算法的步骤和流程 | 第95-96页 |
| 4.7 基于全局差分进化算法的电力系统无功优化算例分析 | 第96-109页 |
| 4.7.1 无功优化的测试系统 | 第96-101页 |
| 4.7.2 基于全局差分进化算法的电力系统无功优化步骤 | 第101页 |
| 4.7.3 实验结果分析 | 第101-109页 |
| 4.8 小结 | 第109-110页 |
| 第五章 有效的全局和声搜索算法解决整数规划问题 | 第110-130页 |
| 5.1 整数规划问题模型 | 第110-111页 |
| 5.2 和声搜索算法 | 第111-113页 |
| 5.3 几种改进的和声搜索算法 | 第113-115页 |
| 5.3.1 改进的和声搜索算法 | 第113-114页 |
| 5.3.2 自适应全局最好和声搜索算法 | 第114-115页 |
| 5.4 有效的全局和声搜索算法 | 第115-118页 |
| 5.4.1 EGHS算法的新和声产生方法 | 第116-118页 |
| 5.4.2 EGHS算法的主要步骤 | 第118页 |
| 5.5 参数HMCR对于EGHS算法性能的影响 | 第118-120页 |
| 5.6 不同算法求解f_1-f_(11)的结果比较 | 第120-123页 |
| 5.7 不同算法求解h_1-h_(13)的结果比较 | 第123-128页 |
| 5.8 小结 | 第128-130页 |
| 第六章 结论与展望 | 第130-134页 |
| 6.1 结论 | 第130-131页 |
| 6.2 展望 | 第131-134页 |
| 参考文献 | 第134-142页 |
| 致谢 | 第142-144页 |
| 攻读博士期间发表的论文 | 第144页 |
