| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1．1 引言 | 第9页 |
| 1．2 国内外配电网络重构的现状 | 第9-14页 |
| 1．2．1 用数学优化技术的配电网络重构 | 第10页 |
| 1．2．2 最优流模式算法 | 第10-11页 |
| 1．2．3 开关交换算法 | 第11-12页 |
| 1．2．4 基于人工智能的配电网络重构算法 | 第12-13页 |
| 1．2．5 其它的配电网络重构算法 | 第13-14页 |
| 1．3 论文所做的工作 | 第14-15页 |
| 2 遗传算法基础及改进 | 第15-31页 |
| 2．1 遗传算法简介 | 第15页 |
| 2．2 遗传算法的基本原理 | 第15-20页 |
| 2．2．1编码 | 第16-17页 |
| 2．2．2遗传操作 | 第17-20页 |
| 2．3 遗传算法的数学机理 | 第20-21页 |
| 2．3．1 模式定理 | 第20-21页 |
| 2．3．2 积木块假设 | 第21页 |
| 2．4 遗传算法的特点 | 第21-22页 |
| 2．5 适应度函数的定标 | 第22-23页 |
| 2．6 自适应遗传算法 | 第23-25页 |
| 2．7 遗传算法的改进 | 第25-27页 |
| 2．7．1 选择操作的改进 | 第25-26页 |
| 2．7．2 自适应交叉率和变异率的改进 | 第26-27页 |
| 2．8 遗传算法的非线性优化规划理论 | 第27-29页 |
| 2．8．1 惩罚函数 | 第28-29页 |
| 2．8．2 数学算例 | 第29页 |
| 2．9 小结 | 第29-31页 |
| 3 配电网络重构的理论和数学模型 | 第31-39页 |
| 3．1 概述 | 第31-32页 |
| 3．2 前推回代法 | 第32-33页 |
| 3．3 配电网络的潮流计算 | 第33-37页 |
| 3．3．1 配电网络的基本描述 | 第33-34页 |
| 3．3．2 支路节点的编号 | 第34页 |
| 3．3．3 数据的存储方式 | 第34-37页 |
| 3．3．4 潮流计算步骤 | 第37页 |
| 3．4 配电网络重构的数学模型 | 第37-38页 |
| 3．5 小结 | 第38-39页 |
| 4 遗传算法的配电网络重构 | 第39-50页 |
| 4．1 概述 | 第39页 |
| 4．2 基因编码和译码 | 第39-40页 |
| 4．3 适应度函数的构造 | 第40页 |
| 4．4 遗传操作 | 第40-43页 |
| 4．4．1 选择 | 第40-41页 |
| 4．4．2 交叉和变异 | 第41-42页 |
| 4．4．3 收敛判据 | 第42页 |
| 4．4．4 初始种群的生成 | 第42-43页 |
| 4．5 数值算例 | 第43-46页 |
| 4．6 模糊遗传算法的探讨 | 第46-48页 |
| 4．6．1 概述 | 第46页 |
| 4．6．2 模糊遗传算法的定义 | 第46-47页 |
| 4．6．3 模糊遗传算法的算法结构 | 第47-48页 |
| 4．6．4 模糊遗传算法在配电网络重构中的应用前景 | 第48页 |
| 4．7 小节 | 第48-50页 |
| 5 结论 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附：作者在攻读硕士学位论文期间发表的论文 | 第57页 |