求解大规模优化问题的自适应人工蜂群算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 进化算法研究现状 | 第11-14页 |
| 1.2.1 差分进化算法 | 第11-12页 |
| 1.2.2 粒子群优化算法 | 第12-13页 |
| 1.2.3 K-means算法 | 第13-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 人工蜂群算法及其效率研究 | 第16-27页 |
| 2.1 蜜蜂采蜜行为研究 | 第16页 |
| 2.2 基本的人工蜂群算法 | 第16-19页 |
| 2.3 基于大规模全局优化的人工蜂群算法 | 第19-20页 |
| 2.3.1 测试函数及实验参数设置 | 第19页 |
| 2.3.2 实验结果分析 | 第19-20页 |
| 2.4 基于改进差分进化的人工蜂群算法 | 第20-26页 |
| 2.4.1 差分进化算法的变异策略 | 第20-22页 |
| 2.4.2 基于差分进化的人工蜂群算法 | 第22-23页 |
| 2.4.3 测试函数及实验参数设置 | 第23页 |
| 2.4.4 实验结果分析 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于自适应学习机制的人工蜂群算法 | 第27-43页 |
| 3.1 自适应学习机制 | 第27-28页 |
| 3.2 候选解产生策略 | 第28-30页 |
| 3.3 固定的种群初始化 | 第30页 |
| 3.4 实验设计与分析 | 第30-41页 |
| 3.4.1 测试函数及实验参数设置 | 第30-32页 |
| 3.4.2 SABC-GB与策略池原有算法比较 | 第32-38页 |
| 3.4.3 SABC-GB与其他自适应算法比较 | 第38-41页 |
| 3.5 SABC-GB在聚类中的应用 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于半学习机制的自适应人工蜂群算法 | 第43-57页 |
| 4.1 基于半空间的初始化算法 | 第43-45页 |
| 4.2 最优保留选择算子 | 第45-46页 |
| 4.3 自适应策略池的优化 | 第46-48页 |
| 4.4 实验设计与分析 | 第48-54页 |
| 4.4.1 正交实验设计 | 第48页 |
| 4.4.2 测试函数及实验参数设置 | 第48-49页 |
| 4.4.3 HSSI的效率研究 | 第49-50页 |
| 4.4.4 最优保留选择算子的效率研究 | 第50-51页 |
| 4.4.5 SABC-SI与其他算法的比较 | 第51-54页 |
| 4.5 SABC-SI在分类中的应用 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 结束语 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介 | 第64页 |
