| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究意义 | 第14-15页 |
| ·本文研究的主要内容及机构 | 第15-17页 |
| 2 优化问题的理论基础 | 第17-23页 |
| ·最优化问题的概论 | 第17-18页 |
| ·最优化问题的概述 | 第17页 |
| ·最优化问题的数学模型 | 第17-18页 |
| ·最优化问题的分类 | 第18页 |
| ·解决优化问题常用的智能算法 | 第18-22页 |
| ·进化算法 | 第18-21页 |
| ·群智能算法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 粒子群优化算法 | 第23-32页 |
| ·粒子群优化算法概述 | 第23页 |
| ·基本粒子群算法 | 第23-30页 |
| ·标准粒子群优化算法 | 第23-26页 |
| ·粒子群算法的改进 | 第26-30页 |
| ·粒子群优化算法的应用 | 第30-31页 |
| ·解决约束优化问题 | 第30-31页 |
| ·解决多目标问题 | 第31页 |
| ·解决动态跟踪的问题 | 第31页 |
| ·其他方面的应用 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 基于动态多种群粒子群优化算法的多目标优化算法 | 第32-45页 |
| ·多目标优化问题概述 | 第32-34页 |
| ·多目标优化问题数学模型 | 第32-33页 |
| ·多目标优化问题的相关概念 | 第33-34页 |
| ·解决多目标优化问题的粒子群算法 | 第34-37页 |
| ·传统的多目标优化方法以及缺点 | 第34页 |
| ·解决多目标优化问题的智能算法MOPSO的介绍 | 第34-37页 |
| ·基于动态多种群粒子群算法的多目标粒子群算法 | 第37-44页 |
| ·动态多种群粒子群优化算法简介 | 第37-38页 |
| ·使用动态多种群粒子群算法解决多目标优化问题 | 第38-42页 |
| ·基于动态多种群粒子群算法的多目标优化算法流程 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 基于动态多种群粒子群算法的多目标优化算法在解决环境/经济问题中的应用 | 第45-52页 |
| ·环境/经济模型的建立 | 第45-46页 |
| ·目标函数的数学模型 | 第45页 |
| ·环境/经济问题的约束 | 第45-46页 |
| ·测试系统参数设置 | 第46-47页 |
| ·约束处理及最优解的选择 | 第47-48页 |
| ·约束处理 | 第47页 |
| ·最优解的选择 | 第47-48页 |
| ·仿真实验 | 第48-51页 |
| ·实验设置 | 第48页 |
| ·仿真实验结果 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 6 基于动态粒子群算法的动态多目标优化算法 | 第52-74页 |
| ·动态多目标优化问题的数学模型 | 第52-53页 |
| ·动态多目标测试函数 | 第53-55页 |
| ·动态多目标优化问题的分类 | 第53-54页 |
| ·动态变化方式 | 第54-55页 |
| ·动态多目标测试函数 | 第55页 |
| ·动态多目标优化算法的评价标准 | 第55-59页 |
| ·性能测试的目的 | 第55-57页 |
| ·性能评价和标准 | 第57-59页 |
| ·算法的改进策略 | 第59-60页 |
| ·惯性权重系数的选择 | 第59页 |
| ·记忆机制的选择 | 第59-60页 |
| ·增加粒子的多样性 | 第60页 |
| ·算法实验参数设置和仿真实验结果 | 第60-73页 |
| ·实验设置 | 第60-61页 |
| ·仿真结果 | 第61-71页 |
| ·动态发电需求下的仿真实验 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 7 结论与展望 | 第74-76页 |
| ·全文总结 | 第74-75页 |
| ·研究展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第82页 |