| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 课题的研究现状 | 第12-18页 |
| 1.2.1 多目标优化算法的研究现状 | 第13-17页 |
| 1.2.2 电力系统环境经济负荷分配的研究现状 | 第17-18页 |
| 1.3 本文的主要工作 | 第18-21页 |
| 第2章 多目标粒子群优化算法的基本理论 | 第21-35页 |
| 2.1 多目标优化问题的数学描述 | 第21-23页 |
| 2.2 PSO算法 | 第23-28页 |
| 2.2.1 PSO算法的流程 | 第23-26页 |
| 2.2.2 PSO算法的拓扑结构 | 第26-28页 |
| 2.3 多目标粒子群优化算法 | 第28-33页 |
| 2.3.1 非支配解的保存和外部存档机制 | 第29-30页 |
| 2.3.2 向导粒子的选择机制 | 第30-31页 |
| 2.3.3 种群多样性的保持机制 | 第31-32页 |
| 2.3.4 多目标粒子群算法流程 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 多群协同多目标粒子群优化算法研究 | 第35-61页 |
| 3.1 多群协同多目标粒子群优化算法的种群划分和学习策略 | 第35-38页 |
| 3.1.1 MPCMOPSO算法的种群划分策略 | 第35-36页 |
| 3.1.2 MPCMOPSO算法的种群学习策略 | 第36-38页 |
| 3.2 MPCMOPSO算法的外部存档机制 | 第38-42页 |
| 3.2.1 外部存档的混沌局部搜索机制 | 第38-39页 |
| 3.2.2 自适应网格保持外部存档中粒子的多样性 | 第39-42页 |
| 3.2.3 外部存档更新流程 | 第42页 |
| 3.3 MOCMOPSO算法的向导选择机制 | 第42-43页 |
| 3.4 MPCMOPSO算法流程 | 第43-44页 |
| 3.5 仿真研究 | 第44-59页 |
| 3.5.1 基准测试函数 | 第44-45页 |
| 3.5.2 性能评价指标 | 第45-47页 |
| 3.5.3 仿真实验 | 第47-59页 |
| 3.6 本章小结 | 第59-61页 |
| 第4章 基于MPCMOPSO的电力系统环境经济负荷分配优化 | 第61-75页 |
| 4.1 电力系统环境经济负荷分配问题的目标函数 | 第61-67页 |
| 4.1.1 发电成本的目标函数 | 第61-64页 |
| 4.1.2 污染气体排放的目标函数 | 第64页 |
| 4.1.3 约束条件 | 第64-67页 |
| 4.2 基于MPCMOPSO的电力系统环境经济负荷分配优化 | 第67-74页 |
| 4.2.1 电力系统IEEE30节点系统简介 | 第67-68页 |
| 4.2.2 MPCMOPSO算法对约束条件的处理 | 第68-69页 |
| 4.2.3 电力系统环境经济负荷分配问题折衷解的选取 | 第69-70页 |
| 4.2.4 仿真实验 | 第70-74页 |
| 4.3 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 本文总结 | 第75-76页 |
| 5.2 未来工作展望 | 第76-77页 |
| 参考文献 | 第77-85页 |
| 致谢 | 第85页 |
