粒子群优化算法及其在非线性回归模型中的应用研究

文摘

英文文摘

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 论文内容安排

第二章 粒子群优化算法

2.1 粒子群优化算法的基本原理

2.2 算法步骤、算法流程描述

2.3 算法参数

2.4 混合粒子群优化算法

2.4.1 与传统优化方法的混合

2.4.2 与进化算法的混合

2.5 本章小结

第三章 嵌入极值优化的混合粒子群优化算法

3.1 引言

3.2 基本极值优化算法

3.3 EPSO算法原理

3.4 极值优化算法的改进

3.4.1 混合柯西-高斯变异算子

3.4.2 适应值函数的确定

3.5 EPSO算法步骤

3.6 算法性能分析

3.6.1 典型标准测试函数

3.6.2 算法性能评价

3.7 实验仿真与结果分析

3.7.1 混合算法与其它优化算法的仿真结果比较

3.7.2 固定间隔迭代次数对混合算法的影响

3.7.3 惯性权重对混合算法的影响

3.8 本章小结

第四章 求解约束优化问题的混合粒子群优化算法

4.1 引言

4.2 约束优化问题描述

4.3 约束处理技术

4.3.1 惩罚函数法

4.3.2 可行解优于不可行解方法

4.3.2 多目标优化法

4.4 增广Lagrange乘子法

4.4.1 Lagrenge乘子向量和罚参数向量的初始化和修正

4.4.2 收敛准则

4.5 基于增广Lagrange乘子法的混合粒子群优化算法

4.6 典型标准测试函数及其特征

4.7 实验仿真与结果分析

4.8 本章小结

第五章 EPSO算法在非线性回归模型中的应用

5.1 非线性回归模型

5.2 评价准则

5.3 变差函数的EPSO算法自动拟合研究

5.3.1 变差函数概念及其模型

5.3.2 算法的具体实现

5.3.3 EPSO算法拟合过程步骤

5.3.4 算例仿真及分析

5.4 EPSO算法在电力系统中长期负荷预测模型参数估计中的应用

5.4.1 中长期负荷预测模型及其参数估计描述

5.4.2 算例仿真与分析

5.5 本章小结

第六章 总结和展望

6.1 论文的主要工作

6.2 有待研究的问题

参考文献

致谢

攻读学位期间的主要研究成果