| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-33页 |
| ·课题研究的背景和意义 | 第16-18页 |
| ·遗传算法的发展历史 | 第18-21页 |
| ·遗传算法的研究现状 | 第21-29页 |
| ·遗传算法的特点 | 第29-31页 |
| ·本文的主要内容 | 第31-33页 |
| 第2章 遗传算法(GA) | 第33-50页 |
| ·遗传算法的基本原理 | 第34-41页 |
| ·编码 | 第34-36页 |
| ·适应度函数 | 第36-37页 |
| ·选择操作 | 第37-38页 |
| ·交叉操作 | 第38-39页 |
| ·变异操作 | 第39-41页 |
| ·算法的终止条件 | 第41页 |
| ·遗传算法的问题分析 | 第41-42页 |
| ·遗传算法的改进 | 第42-47页 |
| ·自适应遗传算法 | 第42-44页 |
| ·混合遗传算法 | 第44-46页 |
| ·并行遗传算法 | 第46-47页 |
| ·遗传算法的基本流程 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 云自适应遗传算法（CAGA） | 第50-60页 |
| ·云理论 | 第50-51页 |
| ·云自适应遗传算法基本原理 | 第51-54页 |
| ·改进云自适应遗传算法（ICAGA） | 第54-56页 |
| ·收缩收索 | 第54页 |
| ·改进云自适应遗传算法的流程图 | 第54-56页 |
| ·典型函数优化仿真 | 第56-59页 |
| ·测试函数 | 第56-57页 |
| ·仿真结果 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 改进云自适应遗传算法（ICAGA）在无功优化中的应用 | 第60-75页 |
| ·电力系统无功优化数学模型 | 第60-62页 |
| ·目标函数 | 第60-61页 |
| ·等式约束条件 | 第61页 |
| ·不等式约束条件 | 第61-62页 |
| ·改进云自适应遗传算法在无功优化中的应用 | 第62-69页 |
| ·编码 | 第62-63页 |
| ·群体设定 | 第63页 |
| ·适应度函数 | 第63-64页 |
| ·选择操作 | 第64-65页 |
| ·交叉和变异操作 | 第65页 |
| ·终止选择 | 第65-66页 |
| ·无功优化流程 | 第66-68页 |
| ·基于云自适应遗传算法的无功优化流程图 | 第68-69页 |
| ·算例分析 | 第69-74页 |
| ·验证条件 | 第69-70页 |
| ·改进云自适应遗传算法的算例分析 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-78页 |
| 参考文献 | 第78-85页 |
| 攻读学位期间取得的研究成果及发表的学术论文 | 第85-86页 |
| 致谢 | 第86-88页 |
| 附录 | 第88-95页 |
| 附录 A IEEE-14 节点系统参数 | 第88-91页 |
| 附录 B IEEE-30 节点系统参数 | 第91-95页 |