新書推薦：
《
犯罪心理X档案：法医精神科医生真实办案手记（第一季）法医精神科医师心理解剖手记
》
售價：HK$
57.6
《
台湾农业产业发展研究
》
售價：HK$
117.6
《
流风回雪：六朝名士的庙堂与山林（论衡系列）
》
售價：HK$
81.6
《
妈妈，我想为自己而活
》
售價：HK$
69.6
《
再造大唐：郭子仪评传
》
售價：HK$
93.6
《
人性的博弈：为什么做个好人这么难
》
售價：HK$
81.6
《
不完美的自我：接纳与放手，让自己活得更有韧性
》
售價：HK$
70.8
《
苏菲的世界（漫画版）：寻找自我的旅程
》
售價：HK$
94.8
|
| 內容簡介： |
|
《进化算法及其在智能配电网中的应用》全面阐述了进化算法在智能配电网中的理论和应用，共10章。其中，第1章为智能配电网概述，第2～8章依次介绍了遗传算法、粒子群算法、进化规划算法、多目标进化算法、差分进化算法、蚁群算法、和声搜索算法在智能配电网中的模型、方法和应用算例，第9章介绍了除第2～8章以外的其他算法，第10章介绍了进化算法评价与选择方法。《进化算法及其在智能配电网中的应用》对所提出的每种算法均从模型建立、算法实现等方面进行了详细阐述。
|
| 目錄：
|
目录
前言
第1章 智能配电网概述 1
1.1 智能配电网的概念 1
1.2 智能配电网的特征 1
1.2.1 智能配电网规划方面 2
1.2.2 智能配电网运行与控制方面 3
1.3 进化算法的研究趋势 8
1.3.1 进化计算 8
1.3.2进 化神经网络 9
参考文献 10
第2章 遗传算法 11
2.1 引言 11
2.2 遗传算法的理论分析 11
2.2.1 基本原理 11
2.2.2 基本概念与要素 12
2.2.3 性能指标 20
2.2.4 算法流程 21
2.3 遗传算法在求解无功优化中的应用 23
2.3.1 遗传模拟退火算法 23
2.3.2 无功优化问题的数学模型 24
2.3.3 自适应遗传模拟退火算法 25
2.3.4 算例分析 29
参考文献 30
第3章 粒子群算法 32
3.1 引言 32
3.2 粒子群算法理论基础 33
3.2.1 标准粒子群算法 33
3.2.2 标准粒子群算法变体 36
3.2.3 混合粒子群算法 40
3.3 粒子群算法在智能配电网中的应用 43
3.3.1 智能配电网优化分析数学模型 44
3.3.2 智能配电网优化建模方法 44
3.4 粒子群算法的程序实现 45
3.4.1 标准粒子群算法 45
3.4.2 标准粒子群算法变体 46
3.4.3 混合粒子群算法 46
3.5 粒子群算法实验结果 48
3.5.1 智能配电网优化算例 48
3.5.2 计算结果分析 51
3.5.3 算法收敛性分析 54
3.6 粒子群算法的分析与讨论 54
参考文献 54
第4章 进化规划算法 56
4.1 引言 56
4.2 进化规划算法理论基础 56
4.2.1 标准进化规划 56
4.2.2 元进化规划 57
4.2.3 自适应进化规划 57
4.2.4 柯西变异进化规划 58
4.2.5 单点变异进化规划 59
4.2.6 混合策略进化规划 59
4.2.7 博弈进化规划 59
4.2.8 多群竞争进化规划 60
4.3 进化规划在配电网无功优化中的应用 60
4.3.1 配电网无功优化数学模型 60
4.3.2 配电网无功优化进化规划建模 63
4.4 进化规划的程序实现 66
4.4.1 标准进化规划 66
4.4.2 博弈进化规划 67
4.4.3 多群竞争进化规划 67
4.5 进化规划实验结果 68
4.5.1 配电网无功优化算例 68
4.5.2 计算结果分析 68
4.5.3 算法收敛性分析 70
4.6 进化规划的分析与讨论 71
参考文献 71
第5章 多目标进化算法 73
5.1 引言 73
5.2 多目标优化理论基础 73
5.2.1 多目标优化方法的定义 74
5.2.2 非支配解 74
5.3 强度Pareto进化算法 75
5.4 改进型非支配排序遗传算法 80
5.4.1 经典的NSGA-II算法 80
5.4.2 改进的排序策略 80
5.4.3 改进的选择截断策略 81
5.4.4 改进的变异与交叉策略 83
5.4.5 解的选取 83
5.5 应用案例 84
5.5.1 基于NSGA-II算法的分布式电源选址定容优化 84
5.5.2 基于NSGA-II算法的分布式电源与微电网分组协调优化 94
5.6 多目标进化算法的分析与讨论 102
参考文献 102
第6章 差分进化算法 104
6.1 引言 104
6.2 基本差分进化算法 105
6.2.1 基本原理 105
6.2.2 基本要素 106
6.2.3 基本流程 107
6.2.4 差分进化算法的其他形式 108
6.2.5 差分进化计算的群体智能搜索策略分析 108
6.2.6 控制参数对算法性能的影响 109
6.3 差分进化算法的改进 110
6.3.1 传统差分进化算法存在的问题 110
6.3.2 控制参数的改进 111
6.3.3 差分进化策略的改进 113
6.3.4 相关混合算法 115
6.3.5 评价指标 117
6.4 差分进化算法的应用概况 118
6.4.1 函数优化 118
6.4.2 组合优化 118
6.4.3 神经网络训练 119
6.4.4 机器人学 119
6.4.5 其他应用领域 119
6.5 差分进化算法在智能配电网中的应用 120
6.5.1 差分进化算法在分布式电源选址定容问题中的应用 120
6.5.2 差分进化算法在状态估计问题中的应用 127
6.6 差分进化算法展望 130
参考文献 131
第7章 蚁群算法 134
7.1 引言 134
7.2 蚁群算法理论基础 136
7.2.1 基本蚁群算法 136
7.2.2 蚁群算法的研究现状 139
7.2.3 蚁群算法的进展 141
7.3 混沌蚁群算法 143
7.3.1 混沌理论 143
7.3.2 人工蚁群 147
7.3.3 混沌蚁群算法特点 149
7.4 无功优化案例背景 149
7.5 蚁群算法的程序实现 151
7.5.1 蚁群算法流程 151
7.5.2 控制变量处理 152
7.5.3 混沌蚁群算法实现 154
7.5.4 算例分析 155
7.6 蚁群算法发展趋势和展望 158
参考文献 160
第8章 和声搜索算法 162
8.1 引言 162
8.2 和声搜索算法基本原理 162
8.2.1 概述 162
8.2.2 和声创作流程 163
8.2.3 和声搜索算法计算流程 163
8.2.4 和声搜索算法计算过程分析 165
8.2.5 和声搜索算法收敛能力 166
8.3 和声搜索算法与其他算法的对比 166
8.3.1 概述 166
8.3.2 算法对比 167
8.4 和声搜索算法在有源配电网无功协调优化中的应用 167
8.4.1 概述 167
8.4.2 问题建模 168
8.4.3 基于IHSA的求解流程 172
8.4.4 算例验证 174
8.4.5 算法性能分析 180
8.5 基于MOHS算法的分布式电源选址定容优化 181
8.5.1 概述 181
8.5.2 MOHS算法详述 182
8.5.3 算例分析与比较 183
8.6 和声搜索算法的分析与讨论 188
参考文献 188
第9章 其他相关进化算法 189
9.1 引言 189
9.2 理论基础 190
9.2.1 万有引力搜索算法 190
9.2.2 人工蜂群算法 193
9.2.3 布谷鸟算法 196
参考文献 199
第10章 进化算法评价与选择 202
10.1 引言 202
10.2 算例分析与比较 204
10.2.1 问题描述 204
10.2.2 优化结果 205
10.2.3 计算时间 206
10.2.4 优化效率 206
10.2.5 计算准确性分析 207
参考文献 208
附录 电力系统分析常用算例系统 209
附录A IEEE33-bus配电系统 209
附录B PG&E69-bus配电系统 210
附录C IEEE3-bus配电系统 213
附录D IEEE34-bus配电系统 216
附录E IEEE37-bus配电系统 220
附录F IEEE123-bus配电系统 224
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
