多目标遗传算法在企业能源规划中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 多目标遗传算法研究现状 | 第13-14页 |
| 1.2.2 投入产出分析国内外现状 | 第14-15页 |
| 1.2.3 能源规划模型研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第二章 多目标遗传算法概述 | 第18-27页 |
| 2.1 遗传算法简介 | 第18-22页 |
| 2.1.1 遗传算法基本流程 | 第18-19页 |
| 2.1.2 遗传编码 | 第19页 |
| 2.1.3 适应度函数 | 第19-20页 |
| 2.1.4 遗传算子 | 第20-22页 |
| 2.2 多目标遗传算法的相关定义 | 第22-24页 |
| 2.2.1 多目标优化问题描述 | 第22页 |
| 2.2.2 Pareto最优的定义 | 第22-23页 |
| 2.2.3 非支配的相关概念 | 第23页 |
| 2.2.4 Pareto边界 | 第23-24页 |
| 2.3 多目标遗传算法的产生及基本思想 | 第24-25页 |
| 2.3.1 多目标遗传算法的产生 | 第24页 |
| 2.3.2 多目标遗传算法基本思想 | 第24-25页 |
| 2.4 多目标遗传算法新特性 | 第25-26页 |
| 2.4.1 适应值分配机制 | 第25-26页 |
| 2.4.2 适应值共享和种群多样性 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于NSGA_Ⅱ多目标遗传算法的改进 | 第27-40页 |
| 3.1 NSGA_Ⅱ算法简介 | 第27-31页 |
| 3.1.1 快速非支配排序 | 第27-28页 |
| 3.1.2 拥挤距离 | 第28-29页 |
| 3.1.3 NSGA_Ⅱ算法流程 | 第29-31页 |
| 3.2 NSGA_Ⅱ算法的改进 | 第31-35页 |
| 3.2.1 交叉算子的改进 | 第32页 |
| 3.2.2 变异算子的改进 | 第32-34页 |
| 3.2.3 越界处理方法 | 第34-35页 |
| 3.3 算法性能评价指标 | 第35-36页 |
| 3.4 算法测试与仿真分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 改进算法在企业能源优化中的应用 | 第40-60页 |
| 4.1 投入产出理论 | 第40-46页 |
| 4.1.1 投入产出法概述 | 第40-41页 |
| 4.1.2 投入产出表 | 第41-42页 |
| 4.1.3 投入产出主要系数 | 第42-43页 |
| 4.1.4 投入产出模型 | 第43-46页 |
| 4.2 投入产出方法在能源系统分析中的应用 | 第46页 |
| 4.3 企业能源多目标投入产出优化模型 | 第46-54页 |
| 4.3.1 某铜管企业模型原理 | 第47-48页 |
| 4.3.2 编制某铜管企业能源系统投入产出表 | 第48-51页 |
| 4.3.3 某铜管企业能源系统的多目标优化模型 | 第51-54页 |
| 4.4 模型求解前数据准备 | 第54-56页 |
| 4.5 算法在模型中的应用求解 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 总结 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
