| 摘要 | 第1页 |
| ABSTRACT | 第3-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·粒子群算法的研究现状 | 第10-11页 |
| ·粒子群算法在电力行业中的应用 | 第11-13页 |
| ·粒子群算法分析 | 第13页 |
| ·本文研究工作 | 第13-15页 |
| 第二章 粒子群算法基本理论 | 第15-22页 |
| ·粒子群算法基本原理 | 第15-16页 |
| ·粒子群算法基本流程 | 第16-17页 |
| ·现有的改进粒子群算法 | 第17-19页 |
| ·混合粒子群算法(Hybrid PSO,HPSO) | 第17-18页 |
| ·进化粒子群算法(Evolutionary PSO,EPSO) | 第18-19页 |
| ·粒子群算法(PSO)与其它现代启发式优化算法的比较 | 第19-21页 |
| ·粒子群算法(PSO)与遗传算法(GA)的比较 | 第19-20页 |
| ·粒子群算法(PSO)与蚁群算法(ACO)的比较 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于混合策略的改进粒子群算法 | 第22-32页 |
| ·混合策略的改进粒子群体算法 | 第22-27页 |
| ·基于混沌策略的群体初始化 | 第22-23页 |
| ·改进策略描述 | 第22-23页 |
| ·混沌群体初始化步骤 | 第23页 |
| ·改进算法参数控制 | 第23-25页 |
| ·惯性权重的控制策略 | 第23-24页 |
| ·学习因子的控制策略 | 第24-25页 |
| ·其他参数的控制策略 | 第25页 |
| ·基于退火的新解接受策略 | 第25-26页 |
| ·混合改进粒子群算法(HIPSO)流程描述 | 第26-27页 |
| ·混合改进粒子群算法流程图 | 第27页 |
| ·函数测试算例分析 | 第27-31页 |
| ·算例来源 | 第28-29页 |
| ·参数设定 | 第29-30页 |
| ·结果分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于加权和的粒子群算法及其在多目标协调控制中的应用 | 第32-48页 |
| ·优化目标的处理 | 第32-33页 |
| ·多目标协调控制优化模型 | 第33-34页 |
| ·混合改进粒子群算法的参数设定 | 第34-35页 |
| ·多目标单元机组协调控制算例分析 | 第35-47页 |
| ·确定可行域 | 第35-38页 |
| ·搜索最优目标值 | 第38-39页 |
| ·计算稳态设定值 | 第39-40页 |
| ·协调控制仿真算例分析 | 第40-47页 |
| ·仿真试验一 | 第40-42页 |
| ·仿真试验二 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 粒子群优化—偏好决策法及其在多目标协调控制中的应用 | 第48-55页 |
| ·Pareto 最优性 | 第48-49页 |
| ·获取非劣解集的多目标粒子群算法 | 第49-50页 |
| ·算法设计思想 | 第49页 |
| ·粒子群体的非劣解集筛选 | 第49-50页 |
| ·基于非劣解集的精英保留策略 | 第50页 |
| ·求解 Pareto 非劣解集的混合粒子群算法流程 | 第50页 |
| ·基于优化—决策模型的多目标粒子群协调控制方法 | 第50-52页 |
| ·单元机组协调控制算例分析 | 第52-54页 |
| ·问题来源 | 第52页 |
| ·参数设定 | 第52-53页 |
| ·结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论 | 第55-56页 |
| ·本文研究总结 | 第55页 |
| ·进一步研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-67页 |
| 附表1 四种 PSO 算法20次独立优化测试函数所得结果及其统计分析 | 第60-61页 |
| 附表2 四种 PSO 算法20次独立优化协调控制仿真实验一所得结果 | 第61-63页 |
| 附表3 四种 PSO 算法20次独立优化协调控制仿真试验二所得结果 | 第63-67页 |
| 在学期间发表的学术论文和参加科研情况 | 第67页 |
