| 摘要 | 第1-13页 |
| Abstract | 第13-16页 |
| 第一章 绪论 | 第16-36页 |
| ·研究背景、动机及意义 | 第16-20页 |
| ·研究背景 | 第16-18页 |
| ·研究动机 | 第18-20页 |
| ·研究意义 | 第20页 |
| ·智能优化算法研究现状 | 第20-31页 |
| ·智能优化算法发展简述 | 第20-23页 |
| ·粒子群优化算法 | 第23-25页 |
| ·蚁群优化算法 | 第25-28页 |
| ·利用问题领域知识提高智能优化算法的性能 | 第28-29页 |
| ·参数优化设置提高智能优化算法的性能 | 第29-30页 |
| ·搜索策略优化选择提高智能优化算法的性能 | 第30-31页 |
| ·论文主要研究内容和创新点 | 第31-33页 |
| ·论文组织结构 | 第33-36页 |
| 第二章 基于优化问题变量关系的智能优化算法勘探和开采能力增强策略 | 第36-67页 |
| ·求解无约束一阶可导连续优化问题的变量约减策略 | 第36-45页 |
| ·变量约减策略 | 第36-38页 |
| ·针对测试优化函数仿真实验 | 第38-44页 |
| ·针对实际优化问题的仿真实验 | 第44-45页 |
| ·求解等式约束优化问题的变量约简策略 | 第45-61页 |
| ·约束优化问题 | 第45-48页 |
| ·等式约束和变量约简策略 | 第48-52页 |
| ·仿真实验研究 | 第52-61页 |
| ·处理有效不等式约束的局部搜索策略 | 第61-65页 |
| ·基于变量关系的局部搜索 | 第62-64页 |
| ·仿真实验研究 | 第64-65页 |
| ·结论 | 第65-67页 |
| 第三章基于变量约简策略的智能优化算法在电力系统优化问题中的应用 | 第67-80页 |
| ·电力系统中的约束优化问题 | 第67-68页 |
| ·变量约简策略 | 第68-70页 |
| ·变量约简策略在大规模输电优化定价问题中的应用 | 第70-71页 |
| ·输电定价优化问题的定义 | 第70页 |
| ·输电定价优化问题的变量约简 | 第70-71页 |
| ·变量约简策略在静态及动态负荷优化分配问题中的应用 | 第71-73页 |
| ·静态及动态负荷优化分配问题的定义 | 第71-72页 |
| ·静态及动态负荷优化分配问题的变量约简 | 第72-73页 |
| ·仿真实验研究 | 第73-79页 |
| ·变量约简策略对优化问题求解的影响 | 第73-77页 |
| ·与其它有效方法的比较 | 第77-79页 |
| ·结论 | 第79-80页 |
| 第四章 基于参数自适应的勘探和开采策略控制型跨邻域搜索算法及其在连续优化问题中的应用 | 第80-107页 |
| ·跨邻域搜索算法 | 第80-99页 |
| ·跨邻域搜索算法的动机 | 第80-82页 |
| ·跨邻域搜索算法的搜索策略 | 第82-85页 |
| ·跨邻域搜索算法与其它智能优化算法在优化机制上的比较 | 第85-86页 |
| ·仿真实验研究 | 第86-99页 |
| ·参数自适应跨邻域搜索算法 | 第99-106页 |
| ·参数自适应策略 | 第99-100页 |
| ·仿真实验研究 | 第100-106页 |
| ·结论 | 第106-107页 |
| 第五章 基于参数自适应的勘探和开采策略控制型模拟退火算法及其在对地观测资源协同规划问题中的应用 | 第107-134页 |
| ·异构对地观测资源协同规划需求 | 第107-109页 |
| ·异构对地观测资源协同规划问题 | 第109-111页 |
| ·观测任务 | 第110-111页 |
| ·观测资源 | 第111页 |
| ·传统规划框架 | 第111-113页 |
| ·孤立规划框架 | 第112页 |
| ·集中式规划框架 | 第112-113页 |
| ·多Agent协同规划框架 | 第113-116页 |
| ·多Agent规划框架概述 | 第113-114页 |
| ·多Agent规划框架的组成 | 第114-116页 |
| ·多Agent规划框架的优势 | 第116页 |
| ·多Agent框架的协同规划流程 | 第116-118页 |
| ·协同任务分配模型和自适应模拟退火算法 | 第118-126页 |
| ·任务分配的启发式准则 | 第118-123页 |
| ·任务分配模型 | 第123页 |
| ·参数自适应的模拟退火协同任务分配算法 | 第123-126页 |
| ·仿真实验研究 | 第126-131页 |
| ·实验设置 | 第126-128页 |
| ·不同任务分配算法的比较 | 第128-130页 |
| ·不同协同框架的比较 | 第130-131页 |
| ·扰动处理机制 | 第131-133页 |
| ·结论 | 第133-134页 |
| 第六章 基于搜索策略动态选择的勘探和开采策略控制型粒子群算法及其在连续优化问题中的应用 | 第134-150页 |
| ·粒子群算法中的勘探和开采能力分析 | 第134-135页 |
| ·综合学习搜索策略 | 第135-137页 |
| ·局部搜索策略 | 第137-140页 |
| ·BFGS和DFP高斯牛顿法 | 第137-138页 |
| ·单纯形搜索法 | 第138-139页 |
| ·模式搜索法 | 第139-140页 |
| ·基于个体层的变异搜索策略 | 第140-142页 |
| ·搜索策略动态选择的粒子群算法框架 | 第142-143页 |
| ·仿真实验研究 | 第143-149页 |
| ·实验设置 | 第143-145页 |
| ·实验结果 | 第145-149页 |
| ·结论 | 第149-150页 |
| 第七章 基于搜索策略动态选择的勘探和开采策略控制型混合蚁群算法及其在多星观测调度问题中的应用 | 第150-170页 |
| ·卫星观测调度问题 | 第150-153页 |
| ·任务聚类模型和算法 | 第153-156页 |
| ·任务聚类约束 | 第153-155页 |
| ·任务聚类的模型和算法 | 第155-156页 |
| ·多星观测调度模型 | 第156-159页 |
| ·卫星观测调度的整数规划模型 | 第156-158页 |
| ·卫星观测调度的无环有向图模型 | 第158-159页 |
| ·结合局部搜索策略的混合蚁群优化算法 | 第159-163页 |
| ·可行解构造过程 | 第160-161页 |
| ·局部搜索策略 | 第161-162页 |
| ·信息素更新规则 | 第162-163页 |
| ·仿真实验研究 | 第163-169页 |
| ·实验设置 | 第163-164页 |
| ·仿真实验结果 | 第164-165页 |
| ·ACO-LS与其它调度算法的比较 | 第165-167页 |
| ·任务聚类策略对成本-收益的影响 | 第167-169页 |
| ·结论 | 第169-170页 |
| 第八章 总结和展望 | 第170-173页 |
| ·论文工作总结 | 第170-172页 |
| ·未来工作展望 | 第172-173页 |
| 致谢 | 第173-175页 |
| 参考文献 | 第175-197页 |
| 作者攻读博士学位期间取得的学术成果 | 第197-199页 |
