| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 电力系统优化研究 | 第10-11页 |
| 1.2.2 迁移学习技术研究与发展 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 第二章 迁移蜂群优化算法 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 人工蜂群算法概述 | 第14-16页 |
| 2.3 Q学习算法概述 | 第16-17页 |
| 2.4 迁移学习算法概述 | 第17-18页 |
| 2.5 迁移蜂群优化算法的基本原理 | 第18-27页 |
| 2.5.1 迁移蜂群的寻优模式 | 第18-19页 |
| 2.5.2 离散状态-动作空间分解 | 第19-20页 |
| 2.5.3 连续状态-动作空间分解 | 第20-23页 |
| 2.5.4 迁移蜂群动作选择策略 | 第23-24页 |
| 2.5.5 强化学习的迁移技术：行为迁移和知识迁移 | 第24-26页 |
| 2.5.6 迁移优化算法流程 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 迁移蜂群优化算法的收敛性及学习性能分析 | 第28-34页 |
| 3.1 引言 | 第28页 |
| 3.2 收敛性分析 | 第28-32页 |
| 3.2.1 状态-动作空间的收敛性 | 第28-29页 |
| 3.2.2 全局收敛性 | 第29-32页 |
| 3.3. 学习性能分析 | 第32页 |
| 3.4 算法参数的影响机理 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于线性策略行为迁移的无功优化应用 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 线性策略行为迁移技术 | 第34-35页 |
| 4.3 无功优化的求解设计 | 第35-37页 |
| 4.3.1 数学模型 | 第35-36页 |
| 4.3.2 奖励函数及状态-动作空间设计 | 第36-37页 |
| 4.3.3 行为迁移设计 | 第37页 |
| 4.4 仿真分析 | 第37-43页 |
| 4.4.1 仿真模型 | 第37-39页 |
| 4.4.2 源任务的样本学习 | 第39-40页 |
| 4.4.3 目标任务的迁移学习 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于网格化知识迁移的碳能复合流优化应用 | 第44-58页 |
| 5.1 引言 | 第44-45页 |
| 5.2 网格化知识迁移技术 | 第45-46页 |
| 5.3 最优碳能复合流求解设计 | 第46-51页 |
| 5.3.1 数学模型 | 第46-49页 |
| 5.3.2 奖励函数及状态-动作空间设计 | 第49-50页 |
| 5.3.3 知识迁移设计 | 第50-51页 |
| 5.4 仿真分析 | 第51-57页 |
| 5.4.1 仿真模型 | 第52-55页 |
| 5.4.2 源任务的样本学习 | 第55页 |
| 5.4.3 目标任务的迁移学习 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论与展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69页 |