基于生物激励机制的算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·遗传算法 | 第9-10页 |
| ·蚁群算法 | 第10页 |
| ·粒子群算法 | 第10-11页 |
| ·免疫算法 | 第11-12页 |
| ·文化算法 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| 第二章 遗传算法及其改进 | 第14-28页 |
| ·遗传算法 | 第14-18页 |
| ·遗传算法中的专业术语 | 第14-15页 |
| ·遗传算法的基本流程 | 第15-18页 |
| ·遗传算法研究现状 | 第18页 |
| ·基于切面上升的狭义遗传算法 | 第18-22页 |
| ·RGAATP 的基本原理 | 第19-21页 |
| ·实验及其分析 | 第21-22页 |
| ·RGAATP 算法的改进 | 第22-27页 |
| ·算法的改进 | 第23-24页 |
| ·实验及其结果分析 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 粒子群算法及其改进 | 第28-37页 |
| ·基本粒子群优化算法 | 第28-30页 |
| ·算法原理 | 第28-29页 |
| ·算法参数 | 第29-30页 |
| ·算法步骤 | 第30页 |
| ·标准粒子群优化算法 | 第30-31页 |
| ·粒子群算法的研究现状 | 第31-32页 |
| ·标准粒子群算法的改进 | 第32-34页 |
| ·交叉算子 | 第33页 |
| ·变异操作 | 第33-34页 |
| ·实验结果 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 多目标进化算法以及改进 | 第37-51页 |
| ·多目标优化的基本概念 | 第37-39页 |
| ·多目标优化的定义 | 第37页 |
| ·Pareto 最优解 | 第37-38页 |
| ·Pareto 最优边界 | 第38-39页 |
| ·多目标进化算法的研究概况 | 第39-43页 |
| ·几种典型的多目标进化算法 | 第43-45页 |
| ·基于随机算子的快速多目标遗传算法 | 第45-47页 |
| ·擂台赛法则 | 第46页 |
| ·随机算子 | 第46-47页 |
| ·实验及其结果分析 | 第47-50页 |
| ·实验环境及评价方法 | 第47-48页 |
| ·测试函数及实验结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 总结 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录 A (攻读硕士学位期间已公开发表的论文) | 第58页 |
