| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第19-27页 |
| 1.1 最优化问题概述 | 第20-23页 |
| 1.1.1 约束优化问题 | 第20-21页 |
| 1.1.2 动态优化问题 | 第21-23页 |
| 1.2 演化计算概述 | 第23-24页 |
| 1.2.1 粒子群优化 | 第23-24页 |
| 1.2.2 差分进化算法 | 第24页 |
| 1.2.3 遗传算法 | 第24页 |
| 1.3 本文的主要研究内容和创新之处 | 第24-26页 |
| 1.4 本文的组织结构 | 第26-27页 |
| 第二章 基于族群的修复策略 | 第27-41页 |
| 2.1 引言 | 第27-28页 |
| 2.2 相关工作 | 第28-30页 |
| 2.2.1 基于梯度的修复 | 第28-29页 |
| 2.2.2 εDEag | 第29-30页 |
| 2.2.3 采用的聚类算法 | 第30页 |
| 2.3 提出的方法 | 第30-33页 |
| 2.4 实验 | 第33-39页 |
| 2.4.1 实验设置 | 第33-34页 |
| 2.4.2 参数设置 | 第34-35页 |
| 2.4.3 实验结果 | 第35-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第三章 针对不可靠预测情况的动态时间关联优化问题研究 | 第41-59页 |
| 3.1 引言 | 第41-42页 |
| 3.2 背景 | 第42-44页 |
| 3.2.1 在线动态时间关联优化问题的挑战 | 第42-43页 |
| 3.2.2 时间关联相关工作 | 第43-44页 |
| 3.3 相关工作 | 第44-47页 |
| 3.3.1 Bosman提出的EA+predictor方法 | 第45-47页 |
| 3.3.2 随机排序 | 第47页 |
| 3.4 改进的算法(EASR+predictor) | 第47-50页 |
| 3.4.1 动机 | 第47-48页 |
| 3.4.2 算法细节 | 第48-50页 |
| 3.5 实验 | 第50-54页 |
| 3.5.1 测试问题 | 第50-52页 |
| 3.5.2 比较的算法 | 第52页 |
| 3.5.3 衡量方法 | 第52页 |
| 3.5.4 计算机配置 | 第52-53页 |
| 3.5.5 实验设置 | 第53页 |
| 3.5.6 第一个测试问题上的实验结果 | 第53-54页 |
| 3.5.7 第二个测试集上的实验结果 | 第54页 |
| 3.6 本章小结 | 第54-59页 |
| 第四章 基于并行定位和跟踪可行区域策略的演化动态约束优化算法研究 | 第59-103页 |
| 4.1 引言 | 第59-61页 |
| 4.2 背景 | 第61-64页 |
| 4.2.1 已有的演化动态约束优化算法 | 第61-63页 |
| 4.2.2 已有的动态约束优化测试问题 | 第63-64页 |
| 4.3 相关方法介绍 | 第64-65页 |
| 4.3.1 序列二次规划 | 第64页 |
| 4.3.2 基于族群的动态粒子群优化算法 | 第64-65页 |
| 4.4 提出的方法 | 第65-78页 |
| 4.4.1 动机 | 第65-68页 |
| 4.4.2 将原DSPSO转换为解决动态约束优化问题 | 第68-69页 |
| 4.4.3 定位新的可行区域策略或跟踪当前可行区域策略 | 第69-72页 |
| 4.4.4 跟踪之前的可行区域策略 | 第72-75页 |
| 4.4.5 预测未来可行区域策略 | 第75-76页 |
| 4.4.6 变化侦测机制 | 第76-77页 |
| 4.4.7 跟踪策略的集成 | 第77-78页 |
| 4.5 提出的动态约束优化标准测试集 | 第78-85页 |
| 4.5.1 移动可行区域测试集 | 第79-82页 |
| 4.5.2 改进的G24 | 第82-85页 |
| 4.6 实验 | 第85-99页 |
| 4.6.1 测试问题 | 第85-86页 |
| 4.6.2 实验设置 | 第86-87页 |
| 4.6.3 比较的算法 | 第87-88页 |
| 4.6.4 参数设置 | 第88-89页 |
| 4.6.5 衡量方法 | 第89-91页 |
| 4.6.6 实验结果 | 第91-96页 |
| 4.6.7 实验分析 | 第96-98页 |
| 4.6.8 每个策略的贡献 | 第98-99页 |
| 4.7 本章小结 | 第99-103页 |
| 第五章 演化约束优化算法在不确定短期水火电调度问题中的应用 | 第103-115页 |
| 5.1 引言 | 第103-104页 |
| 5.2 单目标水火电调度问题 | 第104-106页 |
| 5.3 不确定的短期水火电调度问题 | 第106页 |
| 5.4 提出的算法 | 第106-111页 |
| 5.4.1 特殊的编码机制 | 第106-108页 |
| 5.4.2 提出的混合算法 | 第108-111页 |
| 5.5 实验 | 第111-114页 |
| 5.5.1 测试系统 | 第111-112页 |
| 5.5.2 比较的算法 | 第112页 |
| 5.5.3 实验设置 | 第112-113页 |
| 5.5.4 实验结果 | 第113-114页 |
| 5.6 本章小结 | 第114-115页 |
| 第六章 演化动态优化算法在动态最优潮流中的应用 | 第115-127页 |
| 6.1 符号列表 | 第115-116页 |
| 6.2 引言 | 第116-117页 |
| 6.3 双侧随机最优潮流问题 | 第117-119页 |
| 6.3.1 传统的最优潮流问题 | 第117-118页 |
| 6.3.2 双侧随机最优潮流问题 | 第118-119页 |
| 6.4 相关工作 | 第119-120页 |
| 6.4.1 基于记忆集的差分进化算法 | 第119页 |
| 6.4.2 基于最近更好邻居的聚类 | 第119-120页 |
| 6.5 提出的算法 | 第120-123页 |
| 6.5.1 基于族群的差分进化算法 | 第120-122页 |
| 6.5.2 改进的聚类方法 | 第122-123页 |
| 6.6 实验 | 第123-124页 |
| 6.6.1 实验设置 | 第123页 |
| 6.6.2 衡量方法 | 第123页 |
| 6.6.3 实验结果 | 第123-124页 |
| 6.7 本章小结 | 第124-127页 |
| 第七章 总结与展望 | 第127-129页 |
| 7.1 本文总结 | 第127-128页 |
| 7.2 未来展望 | 第128-129页 |
| 参考文献 | 第129-135页 |
| 致谢 | 第135-137页 |
| 在读期间发表的学术论文与取得的研究成果 | 第137-138页 |
