基于控制方法的粒子群算法改进及应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·问题的提出 | 第11-14页 |
| ·本文的研究思路 | 第14-15页 |
| ·本文的主要研究工作 | 第15-17页 |
| 第2章 粒子群算法简介 | 第17-23页 |
| ·基本粒子群算法 | 第17-18页 |
| ·基本粒子群算法的流程 | 第18页 |
| ·粒子群算法的改进研究 | 第18-20页 |
| ·粒子群优化算法的应用现状 | 第20-21页 |
| ·粒子群算法与其它进化算法的比较 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第3章 粒子群算法收敛性分析 | 第23-39页 |
| ·pbest和gbest均为恒定值 | 第23-25页 |
| ·微粒速度、位置变化过程分析 | 第23-24页 |
| ·微粒运动轨迹稳定性分析 | 第24-25页 |
| ·pbest时变,gbest时不变 | 第25-29页 |
| ·微粒运动模型转换 | 第25-28页 |
| ·微粒运动轨迹稳定性分析 | 第28-29页 |
| ·pbest和gbest均时变 | 第29-33页 |
| ·微粒运动模型转换 | 第29-30页 |
| ·微粒运动轨迹稳定性分析 | 第30-33页 |
| ·仿真实验 | 第33-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于模糊PID控制器的粒子群算法 | 第39-59页 |
| ·基本粒子群算法的控制理论分析 | 第39-41页 |
| ·模糊PID控制器 | 第41-44页 |
| ·模糊PID-PSO算法 | 第44-47页 |
| ·模糊PID-PSO算法的提出 | 第44-45页 |
| ·模糊PID-PSO算法的收敛性分析 | 第45-46页 |
| ·参数选择 | 第46页 |
| ·算法流程 | 第46-47页 |
| ·仿真实验 | 第47-53页 |
| ·测试函数与实验环境 | 第47-48页 |
| ·算法仿真结果及分析 | 第48-53页 |
| ·模糊PID-PSO算法在PSS参数优化中的应用 | 第53-57页 |
| ·PSS的产生背景 | 第53页 |
| ·含PSS的电力系统数学模型 | 第53-56页 |
| ·基于模糊PID-PSO算法的PSS参数优化 | 第56-57页 |
| ·小结 | 第57-59页 |
| 第5章 基于多样性反馈的粒子群算法 | 第59-73页 |
| ·多样性分析 | 第59-60页 |
| ·多样性评价指标 | 第60-61页 |
| ·基于个体差异程度的多样性指标 | 第60-61页 |
| ·基于适应值差异程度的多样性指标 | 第61页 |
| ·减聚类算法 | 第61-64页 |
| ·DPSO算法 | 第64-67页 |
| ·算法模型分析 | 第64-65页 |
| ·多样性参考输入的确定 | 第65页 |
| ·模糊控制器的设计 | 第65-66页 |
| ·算法流程 | 第66-67页 |
| ·仿真实验 | 第67-69页 |
| ·测试函数与实验环境 | 第67页 |
| ·算法仿真结果及分析 | 第67-69页 |
| ·DPSO算法在PSS参数优化中的应用 | 第69-71页 |
| ·小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·主要工作总结 | 第73页 |
| ·后续研究展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间发表的论文 | 第80页 |
