摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第10-22页 |
1.1 课题的工程背景和研究意义 | 第10-12页 |
1.1.1 课题的工程背景 | 第10-11页 |
1.1.2 课题的研究意义 | 第11-12页 |
1.2 几类典型布局实例及其问题本质 | 第12-15页 |
1.2.1 布局实例 | 第12-13页 |
1.2.2 布局问题实质 | 第13-15页 |
1.3 国内外研究现状综述 | 第15-21页 |
1.3.1 启发式算法(Heuristic Algorithm) | 第15-16页 |
1.3.2 图论法(Graph Theory) | 第16页 |
1.3.3 模拟退火算法(Simulated Annealing Algorithm) | 第16-17页 |
1.3.4 遗传算法(Genetic Algorithm) | 第17-19页 |
1.3.5 粒子群算法(Particle Swarm Optimization) | 第19页 |
1.3.6 人工智能(Artificial Intelligence) | 第19-20页 |
1.3.7 人机交互、人机结合与人机协同算法(Human-Computer Interaction, Combination and Cooperation Algorithm) | 第20-21页 |
1.4 本文的主要工作 | 第21页 |
1.5 小结 | 第21-22页 |
2 演化算法理论及其算法实现 | 第22-33页 |
2.1 引言 | 第22页 |
2.2 演化算法简介 | 第22-25页 |
2.2.1 遗传算法(Genetic Algorithm) | 第22-23页 |
2.2.2 遗传规划(Genetic Programming) | 第23-24页 |
2.2.3 进化策略(Evolutionary Strategy)和演化规划(Evolutionary Programming) | 第24页 |
2.2.4 演化算法的基本特征 | 第24-25页 |
2.3 演化算法基本理论 | 第25-26页 |
2.3.1 模式定理 | 第25页 |
2.3.2 隐含并行性(Implicit Parallelism)定理 | 第25-26页 |
2.4 演化算法设计 | 第26-32页 |
2.4.1 编码表示 | 第26-27页 |
2.4.2 适应值函数 | 第27-28页 |
2.4.3 选择策略 | 第28-29页 |
2.4.4 演化算子的设计 | 第29-32页 |
2.5 小结 | 第32-33页 |
3 粒子群优化 | 第33-41页 |
3.1 基本PSO原理 | 第33-36页 |
3.2 粒子群优化算法的收敛判断方法 | 第36-37页 |
3.3 PSO的改进 | 第37-39页 |
3.3.1 增强收敛性和增加多样性的改进 | 第37页 |
3.3.2 全局方法 | 第37-38页 |
3.3.3 其他改进 | 第38页 |
3.3.4 PSO与其它优化算法的结合 | 第38-39页 |
3.4 PSO的应用 | 第39页 |
3.4.1 PSO解决组合优化问题。 | 第39页 |
3.5 粒子群优化算法的局限性 | 第39-40页 |
3.6 小结 | 第40-41页 |
4 文化算法(Cultural Algorithm) | 第41-51页 |
4.1 文化算法的起源 | 第41页 |
4.2 文化算法简介 | 第41-44页 |
4.3 文化算法和函数优化 | 第44-45页 |
4.4 文化算法在求解非线性约束优化问题中的应用 | 第45-50页 |
4.4.1 知识空间结构 | 第46-47页 |
4.4.2 接受函数 | 第47页 |
4.4.3 知识空间的更新 | 第47-48页 |
4.4.4 影响函数 | 第48-50页 |
4.5 小结 | 第50-51页 |
5 文化粒子群优化算法 | 第51-61页 |
5.1 引言 | 第51页 |
5.2 文化粒子群优化算法 | 第51-54页 |
5.3 布局算例 | 第54-57页 |
5.4 讨论 | 第57-59页 |
5.5 小结 | 第59-61页 |
结论 | 第61-63页 |
参考文献 | 第63-68页 |
攻读硕士学位期间发表学术论文情况 | 第68-69页 |
致谢 | 第69-70页 |
附录A 算例实验所得结果性能指标列表 | 第70-76页 |
大连理工大学学位论文版权使用授权书 | 第76页 |