文摘
英文文摘
声明
第1章绪论
1.1 引言
1.2最优化问题及优化算法
1.2.1最优化问题
1.2.2优化算法
1.3进化计算
1.3.1遗传算法
1.3.2进化策略
1.3.3进化规划
1.3.4进化算法的一般框架
1.4群智能优化算法
1.4.1蚁群算法
1.4.2微粒群算法
1.5微粒群算法的研究进展
1.5.1算法本身的改进
1.5.2微粒群拓扑结构的改进
1.5.3算法参数的改进
1.5.4混合微粒群算法
1.5.5复杂环境下PSO算法的应用
1.6微粒群算法研究中存在的主要问题
1.7本文的主要研究工作与组织结构
第2章微粒群算法及其收敛性分析
2.1基本微粒群算法
2.1.1算法原理
2.1.2参数选择
2.2基本微粒群算法分析
2.2.1算法行为分析
2.2.2 g-best模型和l-best模型
2.2.3微粒群的邻域拓扑结构
2.3离散微粒群算法
2.3.1二进制PSO原理
2.3.2整数空间的微粒群算法
2.4与其它智能优化算法的比较研究
2.4.1与遗传算法比较
2.4.2与蚁群算法比较
2.5微粒群算法的收敛性分析
2.5.1微粒的轨迹分析
2.5.2随机优化算法的收敛准则
2.5.3基本微粒群算法的收敛性分析
2.6本章小结
第3章多种群协同进化微粒群算法
3.1 引言
3.2标准微粒群算法分析
3.3协作微粒群算法
3.3.1 CPSO-S算法
3.3.2 CPSO-SK算法
3.4多种群协同微粒群算法
3.4.1 GCPSO算法
3.4.2基本概念
3.4.3 MCPSO算法设计
3.4.4 MCPSO算法收敛性证明
3.5基于MCPSO的神经网络训练
3.5.1径向基函数神经网络分析
3.5.2基于MCPSO的RBF网络学习策略
3.5.3仿真实验
3.6本章小结
第4章多峰函数的微粒群优化算法
4.1目标函数变换方法
4.1.1偏移法
4.1.2拉伸法
4.1.3排挤法
4.2小生境微粒群算法
4.2.1小生境技术
4.2.2小生境微粒群算法
4.2.3 NichePSO的测试
4.3基于聚类的小生境微粒群算法
4.3.1多种群策略
4.3.2聚类算法选择
4.3.3 CBNPSO算法测试
4.4本章小结
第5章基于微粒群算法的山峰聚类
5.1引言
5.2山峰聚类
5.2.1构造网格
5.2.2构造山峰函数
5.2.3选择聚类中心
5.2.4减法聚类法
5.3基本微粒群算法在山峰聚类中的应用
5.3.1 PSO参数设置
5.3.2基于l-best PSO的山峰聚类算法
5.3.3仿真实验
5.4基于微粒群算法的快速山峰聚类
5.4.1简化山峰函数计算
5.4.2基于微粒群算法的快速山峰聚类算法
5.4.3仿真实验
5.5基于小生境微粒群算法的山峰聚类
5.5.1算法流程
5.5.2算法执行策略
5.5.3仿真实验
5.6本章小结
第6章多目标优化微粒群算法
6.1 引言
6.2多目标优化问题
6.2.1基本概念和术语
6.2.2多目标优化算法的评价标准
6.3应用PSO实现多目标优化的关键问题
6.3.1 pbest的选择方法
6.3.2gbest或lbest的选择
6.4随机多目标PSO
6.4.1算法基本的思想
6.4.2 SMOPSO算法流程
6.4.3算法测试
6.5 SMOPSO算法的收敛性分析
6.5.1相关定义和引理
6.5.2 SMOPSO算法收敛性分析
6.6本章小结
第7章基于微粒群算法的锌电解分时供电优化调度
7.1 引言
7.2锌电解过程的能耗分析
7.2.1锌电解过程的电流效率及电耗
7.2.2锌电解条件试验结果
7.3分时供电优化调度系统的数学模型
7.3.1电流效率的非线性回归模型
7.3.2电流效率的径向基函数神经网络模型
7.3.3锌电解分时供电多目标优化调度数学模型
7.4分时供电的多目标PSO优化调度策略
7.4.1 PSO优化调度策略
7.4.2实验结果分析
7.5本章小结
第8章整流供电系统的微粒群优化控制策略研究与实现
8.1引言
8.2锌电解整流供电系统优化控制模型
8.2.1整流供电系统简介
8.2.2整流机组的整流效率
8.2.3确定整流机组效率时应计算的损耗
8.2.4锌电解整流供电系统优化控制模型
8.3递阶多目标PSO算法
8.3.1递阶编码
8.3.2递阶多目标PSO算法
8.4实验分析
8.4.1设备参数及系统数学模型
8.4.2实验结果
8.5锌电解整流供电优化与监控系统
8.5.1系统总体设计
8.5.2系统原理
8.5.3主要人机交互界面
8.5.4系统运行结果分析
8.6本章小结
第9章结论
9.1本文研究工作的总结
9.2需进一步研究的问题
参考文献
致 谢
攻读博士学位期间发表的论文和完成的科研项目
中南大学;