一种融合算法在电网规划中的运用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第7-14页 |
| 1.1 概述 | 第7-8页 |
| 1.2 电网规划的研究状况 | 第8-11页 |
| 1.2.1 电网规划的发展状况 | 第8-9页 |
| 1.2.2 电网规划的趋势 | 第9页 |
| 1.2.3 电网规划的要求 | 第9-10页 |
| 1.2.4 电网规划的研究方法 | 第10-11页 |
| 1.3 课题研究意义 | 第11-13页 |
| 1.3.1 本课题研究意义 | 第11-12页 |
| 1.3.2 电网面临的问题 | 第12-13页 |
| 1.4 电网规划步骤 | 第13-14页 |
| 第2章 遗传算法 | 第14-25页 |
| 2.1 什么是遗传算法 | 第14-16页 |
| 2.1.1 遗传算法简介 | 第14-15页 |
| 2.1.2 遗传算法基本元素 | 第15-16页 |
| 2.2 遗传算法的步骤 | 第16-24页 |
| 2.2.1 遗传算法基本步骤 | 第16-17页 |
| 2.2.2 遗传算法参数设置 | 第17-18页 |
| 2.2.3 遗传算法的编码 | 第18-19页 |
| 2.2.4 遗传算法的应用 | 第19-20页 |
| 2.2.5 遗传算法的发展 | 第20-21页 |
| 2.2.6 遗传算法的改进 | 第21-22页 |
| 2.2.7 遗传算法流程 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 蚁群算法 | 第25-35页 |
| 3.1 什么是蚁群算法 | 第25-30页 |
| 3.1.1 什么是蚁群算法 | 第25-26页 |
| 3.1.2 蚁群算法的特点 | 第26-27页 |
| 3.1.3 蚁群算法参数设置 | 第27页 |
| 3.1.4 蚁群算法的意义 | 第27-28页 |
| 3.1.5 蚁群算法的原理 | 第28-29页 |
| 3.1.6 蚁群算法在电力系统中的运用 | 第29页 |
| 3.1.7 蚁群算法的步骤 | 第29-30页 |
| 3.2 蚁群算法的改进 | 第30-33页 |
| 3.2.1 蚁群算法信息素调整 | 第30页 |
| 3.2.2 蚁群算法搜索速度改进 | 第30-31页 |
| 3.2.3 蚁群算法路径选择策略改进 | 第31-32页 |
| 3.2.4 蚁群算法和其它算法结合 | 第32-33页 |
| 3.3 蚁群算法的流程图 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 改进的融合算法在电网规划中的应用 | 第35-44页 |
| 4.1 潮流计算 | 第35-37页 |
| 4.1.1 什么是潮流模型 | 第35页 |
| 4.1.2 网流模型 | 第35页 |
| 4.1.3 交流潮流模型 | 第35-36页 |
| 4.1.4 直流潮流模型 | 第36-37页 |
| 4.2 电网规划数学模型 | 第37-38页 |
| 4.3 遗传算法和蚁群算法的结合与改进 | 第38-42页 |
| 4.3.1 遗传算法的改进 | 第38-39页 |
| 4.3.2 蚁群算法的改进 | 第39-41页 |
| 4.3.3 蚁群算法与遗传算法的结合 | 第41-42页 |
| 4.4 融合算法的流程图 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 实例说明 | 第44-50页 |
| 5.1 实例描述 | 第44-45页 |
| 5.2 运用普通遗传算法 | 第45-46页 |
| 5.3 运用普通蚁群算法 | 第46-47页 |
| 5.4 运用普通融合算法 | 第47-48页 |
| 5.5 运用改进融合算法 | 第48-49页 |
| 5.6 评价与结论 | 第49-50页 |
| 第6章 总结与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-53页 |
