自适应正态扰动的精英粒子群优化算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究意义及背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 群体智能特点 | 第11-14页 |
| 1.3.1 人工鱼 | 第11页 |
| 1.3.2 人工蚂蚁 | 第11-12页 |
| 1.3.3 人工鸟 | 第12-13页 |
| 1.3.4 人工蝇 | 第13-14页 |
| 1.4 常见的群体智能算法 | 第14-16页 |
| 1.5 群体智能算法应用前景 | 第16-17页 |
| 1.5.1 人工神经网络 | 第16页 |
| 1.5.2 模糊逻辑 | 第16-17页 |
| 1.5.3 进化计算 | 第17页 |
| 1.5.4 人工免疫系统 | 第17页 |
| 1.6 论文组织结构 | 第17-18页 |
| 1.7 本章小结 | 第18-19页 |
| 第二章 粒子群优化算法 | 第19-26页 |
| 2.1 粒子群优化算法简介 | 第19页 |
| 2.2 标准粒子群优化算法 | 第19-21页 |
| 2.3 参数影响 | 第21-22页 |
| 2.3.1 惯性权重 | 第21页 |
| 2.3.2 认知系数与社会系数 | 第21页 |
| 2.3.3 其他影响 | 第21-22页 |
| 2.4 常见的粒子群改进算法 | 第22-25页 |
| 2.4.1 量子粒子群优化算法 | 第22页 |
| 2.4.2 骨干粒子群优化算法 | 第22-24页 |
| 2.4.3 混沌粒子群优化算法 | 第24-25页 |
| 2.4.4 模糊粒子群优化算法 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于参数调整的粒子群优化算法 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 参数对粒子优化算法的影响 | 第26页 |
| 3.3 参数调整策略的改进粒子群优化算法 | 第26-27页 |
| 3.4 实验仿真与分析 | 第27-37页 |
| 3.4.1 测试函数的选取 | 第27-30页 |
| 3.4.2 相关的参数设置 | 第30-32页 |
| 3.4.3 比较与讨论 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于正态扰动的粒子群优化算法 | 第38-46页 |
| 4.1 引言 | 第38页 |
| 4.2 正态分布 | 第38-39页 |
| 4.2.1 正态分布定理 | 第38页 |
| 4.2.2 正态分布特点 | 第38-39页 |
| 4.3 正态扰动的改进PSO算法 | 第39-40页 |
| 4.4 实验仿真与分析 | 第40-45页 |
| 4.4.1 测试函数的选取 | 第40页 |
| 4.4.2 相关的参数设置 | 第40-41页 |
| 4.4.3 比较与讨论 | 第41-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于交叉改进的精英粒子群优化算法 | 第46-53页 |
| 5.1 引言 | 第46页 |
| 5.2 交叉策略的CDIPSO算法 | 第46-47页 |
| 5.3 实验仿真与分析 | 第47-52页 |
| 5.3.1 测试函数的选取 | 第47-48页 |
| 5.3.2 比较与讨论 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 对未来的展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
