| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究背景和意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·优化技术在火力发电中的应用现状和前景 | 第11-14页 |
| ·优化技术的发展动态 | 第14-15页 |
| ·主要研究工作和文章内容组织 | 第15-16页 |
| 本章参考文献 | 第16-19页 |
| 第二章 最优化问题及传统优化算法 | 第19-33页 |
| ·最优化的基本概念 | 第19-22页 |
| ·优化问题及其分类 | 第19-20页 |
| ·最优化的基本术语 | 第20-21页 |
| ·优化问题求解方法 | 第21-22页 |
| ·线性规划 | 第22-25页 |
| ·线性规划的基本概念 | 第22-23页 |
| ·线性单纯形算法 | 第23-25页 |
| ·二次规划 | 第25-29页 |
| ·二次规划的形式和算法 | 第25页 |
| ·Lemke 算法 | 第25-29页 |
| ·非线性优化算法 | 第29-31页 |
| ·一维搜索算法 | 第29页 |
| ·无约束非线性优化算法 | 第29-30页 |
| ·无约束非线性优化算法统一迭代格式 | 第30页 |
| ·有约束非线性优化问题的求解方法 | 第30-31页 |
| ·基于COM 技术的优化算法库的开发 | 第31-32页 |
| 本章参考文献 | 第32-33页 |
| 第三章 智能优化技术的研究 | 第33-55页 |
| ·智能优化建模 | 第33-35页 |
| ·模糊隶属度 | 第33-34页 |
| ·模糊建模技术 | 第34-35页 |
| ·智能优化算法 | 第35-37页 |
| ·模拟退火算法 | 第35-36页 |
| ·基于混沌现象的优化算法 | 第36-37页 |
| ·蚁群优化算法 | 第37页 |
| ·实数编码遗传算法的研究和应用 | 第37-44页 |
| ·改进实数编码的遗传算法 | 第38-41页 |
| ·仿真试验 | 第41-44页 |
| ·粒子群优化算法的研究 | 第44-50页 |
| ·PSO 算法基本原理 | 第44-45页 |
| ·PSO 算法的基本步骤 | 第45页 |
| ·PSO 算法主要参数的功用 | 第45-47页 |
| ·PSO 算法改进 | 第47-50页 |
| ·智能优化算法的约束处理机制 | 第50-52页 |
| ·惩罚函数法 | 第50-51页 |
| ·解的可行性保持法 | 第51-52页 |
| 本章参考文献 | 第52-55页 |
| 第四章 优化算法求解火电机组负荷分配问题的研究 | 第55-69页 |
| ·火电机组负荷分配的理论基础 | 第55-57页 |
| ·优化问题的数学模型 | 第55页 |
| ·负荷分配优化问题的算法 | 第55-56页 |
| ·机组能耗曲线的拟合 | 第56-57页 |
| ·基于动力学系统的负荷分配的方法和算法收敛性的研究 | 第57-61页 |
| ·负荷优化分配的神经网络数学模型 | 第57-58页 |
| ·负荷分配优化问题数学模型的转化 | 第58页 |
| ·通用网络结构构造 | 第58-59页 |
| ·算法的收敛性 | 第59-60页 |
| ·动力学系统求解负荷优化分配的仿真实例 | 第60-61页 |
| ·基于PSO 优化算法的负荷分配的研究 | 第61-62页 |
| ·基于Lemke 算法的负荷分配问题的研究 | 第62-66页 |
| ·负荷分配优化问题的Lemke 算法形式的转化 | 第62-64页 |
| ·等式约束与不等式约束的等价性证明 | 第64-65页 |
| ·仿真试验 | 第65-66页 |
| ·三种优化方法的比较 | 第66-67页 |
| 本章参考文献 | 第67-69页 |
| 第五章 热工控制系统若干优化问题的研究 | 第69-96页 |
| ·热工控制系统优化的一般思路 | 第69-73页 |
| ·热工控制系统优化方案 | 第69-70页 |
| ·热工控制系统优化实例 | 第70-73页 |
| ·预测控制中若干优化问题的研究 | 第73-94页 |
| ·预测控制原理 | 第73-75页 |
| ·预测控制中的滚动优化问题 | 第75-86页 |
| ·预测控制的新型优化策略 | 第86-89页 |
| ·其它优化问题 | 第89-94页 |
| 本章参考文献 | 第94-96页 |
| 第六章 基于智能优化技术的火电厂运行优化实施方案 | 第96-107页 |
| ·机组运行优化概述 | 第96-98页 |
| ·机组运行优化的主要内容和功能 | 第96-97页 |
| ·运行参数优化目标值 | 第97-98页 |
| ·基于人工智能方法的优化目标值的确定 | 第98-102页 |
| ·最佳真空问题的数学模型 | 第98-99页 |
| ·循环水运行优化问题的传统求解方法 | 第99-100页 |
| ·基于人工智能方法的真空优化目标值获取方案 | 第100-102页 |
| ·基于数据挖掘技术的优化目标值获取方案 | 第102-106页 |
| ·数据挖掘的基本概念 | 第103-104页 |
| ·基于数据挖掘技术优化目标值确定的方案 | 第104-106页 |
| 本章参考文献 | 第106-107页 |
| 第七章 结论与展望 | 第107-109页 |
| ·课题的工作和成果 | 第107-108页 |
| ·未来研究工作的展望 | 第108-109页 |
| 附录 基于COM 技术的优化算法库 | 第109-114页 |
| 攻读博士学位期间发表的学术论文 | 第114-115页 |
| 致谢 | 第115页 |