mark.txt

中文摘要	3-5
Abstract	5-6
1 绪论	10-31
    1.1 研究背景和意义	10-11
        1.1.1 遗传算法和蚁群算法	10
        1.1.2 TSP问题和配电网重构问题	10-11
    1.2 遗传算法	11-17
        1.2.1 遗传算法概述	11-13
        1.2.2 遗传算法的理论基础	13-14
        1.2.3 遗传算法的研究与改进	14-17
    1.3 蚁群算法	17-22
        1.3.1 蚁群算法概述	17-18
        1.3.2 蚁群算法的基本流程	18-20
        1.3.3 蚁群算法的研究与改进	20-22
    1.4 TSP问题	22-25
        1.4.1 TSP问题的定义	22-23
        1.4.2 TSP问题的标准测试库	23-24
        1.4.3 求解TSP问题的算法	24-25
    1.5 配电网重构问题	25-28
        1.5.1 配电网重构问题概述	25-26
        1.5.2 求解配电网重构问题的算法	26-28
    1.6 研究目的和思路	28-29
    1.7 全文的内容和组织	29-31
2 一种新的求解TSP问题的高效遗传算法	31-40
    2.1 引言	31
    2.2 一种求解TSP的可变邻域搜索的变异算子	31-33
        2.2.1 TSP问题的适应度地貌分析	31-32
        2.2.2 传统的反转、插入变异算子及特点分析	32
        2.2.3 一种求解TSP的可变邻域搜索的变异算子	32-33
    2.3 一种新的求解TSP问题的高效遗传算法及其机理分析	33-35
        2.3.1 编码与适应度函数	33-34
        2.3.2 交叉算子的选择	34
        2.3.3 选择算子	34-35
        2.3.4 新算法机理分析	35
    2.4 仿真测试	35-39
        2.4.1 与标准遗传算法的对比测试	35-37
        2.4.2 与最新文献关于中国旅行商问题的对比测试	37-38
        2.4.3 与TSPLIB中的实例的对比测试	38
        2.4.4 进化曲线分析	38-39
    2.5 结论	39-40
3 一种新颖的基于基因疗法的遗传算法	40-53
    3.1 引言	40
    3.2 一种新颖的基于基因疗法的遗传算法	40-43
        3.2.1 基因疗法概述	40-41
        3.2.2 一种新颖的基于基因疗法的遗传算法	41-43
    3.3 基因库和治疗算子的构造	43-45
        3.3.1 基因库的建立	43-44
        3.3.2 基因库的更新	44
        3.3.3 治疗算子的构造	44
        3.3.4 算法的机理分析	44-45
    3.4 基因库和治疗算子的构造示例	45-48
        3.4.1 优质基因的提取及插入操作示例	46
        3.4.2 劣质基因的获取及清除操作示例	46-48
    3.5 关于TSP问题的仿真测试	48-51
        3.5.1 编码与适应度函数	48
        3.5.2 交叉与变异算子	48
        3.5.3 治疗算子	48-49
        3.5.4 选择算子	49
        3.5.5 仿真实验运行结果	49-51
    3.6 结论	51-53
4 一种新的基于候选集策略和可变邻域搜索变异的求解TSP的蚁群算法	53-59
    4.1 引言	53
    4.2 一种新的基于候选集策略和可变邻域搜索变异的求解TSP问题的蚁群算法	53-56
        4.2.1 基于DT的候选集(CSDT)的构造	54-55
        4.2.2 可变邻域搜索的变异算子	55-56
    4.3 仿真结果及分析	56-58
        4.3.1 与ACS算法的比较	56-57
        4.3.2 与最新文献中的算法的比较	57
        4.3.3 进化曲线分析	57-58
    4.4 结论	58-59
5 一种新颖的基于医疗理论的蚁群算法	59-66
    5.1 引言	59
    5.2 一种新颖的基于医疗理论的蚁群算法	59-61
    5.3 解元件库、保健算子和治病算子的构造示例	61-63
        5.3.1 优质解元件库的构造和保健算子	61-63
        5.3.2 劣质解元件的获取及治病算子的构造	63
    5.4 仿真测试	63-65
        5.4.1 MCACS和ACS的比较	64
        5.4.2 MCACS和DMACS的比较	64-65
    5.5 结论	65-66
6 遗传算法和蚁群算法在配电网重构中的应用	66-85
    6.1 引言	66
    6.2 配电网的拓扑结构和配电网重构的数学模型	66-68
        6.2.1 配电网的拓扑结构	66-68
        6.2.2 配电网重构的数学模型	68
    6.3 配电网重构的潮流计算	68-72
        6.3.1 拓扑结构存储	69-70
        6.3.2 前推回代法	70-72
    6.4 基于基因疗法的遗传算法在配电网重构中的应用	72-81
        6.4.1 染色体编码、适应度函数、种群初始化、交叉及变异和选择算子	72-73
        6.4.2 基因库的构造及更新	73
        6.4.3 治疗算子的设计	73-77
        6.4.4 仿真对比测试	77-80
        6.4.5 结论	80-81
    6.5 基于医疗理论的蚁群算法在配电网重构中的应用	81-85
        6.5.1 解的编码、优质解元件的确定、优质解元件库的建立与更新	81
        6.5.2 蚂蚁构造解的过程、状态转换规则、信息素局部更新规则和保健算子	81-82
        6.5.3 劣质解元件的确定、治病算子、信息素全局更新规则	82
        6.5.4 仿真对比测试	82-84
        6.5.5 结论	84-85
7 总结与展望	85-88
    7.1 总结	85-86
    7.2 进一步的设想	86-88
致谢	88-89
参考文献	89-100
附录	100-106
在校学习期间发表的论文、专利、获奖等评价情况	106-107