| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 群体智能算法概述 | 第10-11页 |
| 1.1.1 引言 | 第10页 |
| 1.1.2 群体智能算法概念和发展 | 第10-11页 |
| 1.2 ACO算法 | 第11-13页 |
| 1.2.1 ACO算法起源 | 第11-12页 |
| 1.2.2 ACO算法发展和应用 | 第12-13页 |
| 1.3 PSO算法 | 第13-16页 |
| 1.3.1 PSO算法起源 | 第13-14页 |
| 1.3.2 PSO算法研究国内外发展和应用 | 第14-16页 |
| 1.4 标准测试函数 | 第16页 |
| 1.5 课题研究思路及方法 | 第16-17页 |
| 1.6 论文组织结构 | 第17-19页 |
| 第二章 具有量子行为的粒子群优化算法 | 第19-30页 |
| 2.1 引言 | 第19-20页 |
| 2.2 PSO算法 | 第20-23页 |
| 2.2.1 基本PSO算法 | 第20-21页 |
| 2.2.2 具有惯性权重系数的标准PSO算法 | 第21-22页 |
| 2.2.3 具有压缩因子的PSO算法 | 第22页 |
| 2.2.4 多样性控制的PSO算法 | 第22-23页 |
| 2.3 具有量子行为的粒子群优化算法 | 第23-28页 |
| 2.3.1 QPSO算法思想 | 第24-25页 |
| 2.3.2 QPSO算法的参数选择 | 第25-26页 |
| 2.3.3 QPSO算法中粒子的多样性控制 | 第26-27页 |
| 2.3.4 QPSO协同改进算法 | 第27页 |
| 2.3.5 QPSO新型搜索算法 | 第27-28页 |
| 2.3.6 其他QPSO混合算法 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 几种不同全局吸引点的量子行为粒子群优化算法 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 两种不同全局吸引点的QPSO算法 | 第30-37页 |
| 3.2.1 基于全局最优值吸引点的QPSO算法 | 第30-31页 |
| 3.2.2 全局最优和平均最优混合吸引的QPSO算法 | 第31-32页 |
| 3.2.3 仿真设置 | 第32页 |
| 3.2.4 仿真结果与讨论 | 第32-37页 |
| 3.3 基于非线性权重系数的QPSO算法 | 第37-43页 |
| 3.3.1 非线性权重系数的QPSO算法 | 第37-39页 |
| 3.3.2 仿真设置 | 第39页 |
| 3.3.3 仿真结果与讨论 | 第39-43页 |
| 3.4 不同吸引点改进算法性能比较 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于学习策略的量子行为粒子群优化算法 | 第45-59页 |
| 4.1 引言 | 第45页 |
| 4.2 一种Q学习的QPSO算法 | 第45-51页 |
| 4.2.1 QPSO算法中参数控制策略 | 第45-46页 |
| 4.2.2 Q学习方法 | 第46页 |
| 4.2.3 QLQPSO算法原理 | 第46-47页 |
| 4.2.4 QLQPSO算法分析 | 第47页 |
| 4.2.5 仿真设置 | 第47-48页 |
| 4.2.6 仿真结果与讨论 | 第48-51页 |
| 4.3 一种自学习的QPSO算法 | 第51-57页 |
| 4.3.1 自适应学习QPSO算法中的几种学习策略 | 第52页 |
| 4.3.2 自适应学习机制 | 第52-53页 |
| 4.3.3 仿真设置 | 第53-54页 |
| 4.3.4 仿真结果与讨论 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 基于局部搜索策略的量子行为粒子群优化算法 | 第59-76页 |
| 5.1 引言 | 第59页 |
| 5.2 一种局部搜索策略的QPSO算法 | 第59-68页 |
| 5.2.1 局部搜索策略过程 | 第60-61页 |
| 5.2.2 局部搜索策略的四种方法 | 第61-62页 |
| 5.2.3 仿真设置 | 第62页 |
| 5.2.4 仿真结果与讨论 | 第62-68页 |
| 5.3 一种具有交叉算子的QPSO算法 | 第68-75页 |
| 5.3.1 算法思想 | 第68-69页 |
| 5.3.2 交叉算子的QPSO算法过程 | 第69-70页 |
| 5.3.3 仿真设置 | 第70页 |
| 5.3.4 仿真结果与讨论 | 第70-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 量子粒子群优化算法在工程中的应用研究 | 第76-93页 |
| 6.1 引言 | 第76页 |
| 6.2 QPSO算法在电力系统运行优化中的应用 | 第76-82页 |
| 6.2.1 电力系统热力机组模型优化问题描述 | 第77页 |
| 6.2.2 网络平衡方程 | 第77-78页 |
| 6.2.3 电力系统运行的约束条件 | 第78-79页 |
| 6.2.4 QPSO算法在电力系统优化运行中的执行过程 | 第79页 |
| 6.2.5 电力机组运行优化的仿真测试 | 第79-82页 |
| 6.2.6 仿真结果分析 | 第82页 |
| 6.3 QPSO算法在RZWQM2模型参数优化中的应用 | 第82-92页 |
| 6.3.1 RZWQM2模型介绍 | 第83页 |
| 6.3.2 RZWQM模型应用及参数优化技术发展 | 第83-84页 |
| 6.3.3 田间数据和模型参数 | 第84-85页 |
| 6.3.4 RZWQM2模型优化的目标函数 | 第85-86页 |
| 6.3.5 仿真设置 | 第86-87页 |
| 6.3.6 仿真结果与讨论 | 第87-92页 |
| 6.4 本章小结 | 第92-93页 |
| 第七章 结论与展望 | 第93-95页 |
| 7.1 本课题的研究结论 | 第93页 |
| 7.2 本课题的展望 | 第93-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-105页 |
| 附录I: 作者在攻读博士学位期间发表的论文 | 第105-106页 |
| 附录II: 测试函数 | 第106-110页 |
| 附录III: 电力系统参数初始值列表 | 第110-112页 |
