| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 数据预测及其回归模型优化方法的研究现状 | 第9-10页 |
| 1.2.2 预测模型的研究现状 | 第10-11页 |
| 1.2.3 优化计算方法的研究现状 | 第11-12页 |
| 1.2.4 群智能优化算法的研究现状 | 第12-13页 |
| 1.3 研究内容与论文组织结构 | 第13-16页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-16页 |
| 第2章 蜂群算法在静态环境下的优化机制研究 | 第16-30页 |
| 2.1 问题的提出 | 第16页 |
| 2.2 标准蜂群算法 | 第16-19页 |
| 2.2.1 蜂群算法的计算机制 | 第16-17页 |
| 2.2.2 算法步骤 | 第17-18页 |
| 2.2.3 算法性能分析 | 第18-19页 |
| 2.3 基于子群与多进化策略的改进机制 | 第19-22页 |
| 2.3.1 子群的构造机制 | 第19-20页 |
| 2.3.2 分类机制对群体搜索状态的影响分析 | 第20-22页 |
| 2.4 基于多进化模式协作的优化机制 | 第22-23页 |
| 2.5 仿真实验及结果分析 | 第23-29页 |
| 2.5.1 测试函数及性能评价指标 | 第23-25页 |
| 2.5.2 实验设计和参数设置 | 第25页 |
| 2.5.3 实验结果与分析 | 第25-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 蜂群算法在动态环境下的优化机制研究 | 第30-46页 |
| 3.1 问题的提出 | 第30页 |
| 3.2 环境检测机制 | 第30-31页 |
| 3.3 基于动态种群的多邻域搜索机制 | 第31-38页 |
| 3.3.1 混沌系统的种群初始化 | 第31-33页 |
| 3.3.2 种群分簇策略 | 第33-35页 |
| 3.3.3 基于子群的异构动态搜索机制分析 | 第35-38页 |
| 3.4 基于可变多邻域结构的动态蜂群算法的流程 | 第38-39页 |
| 3.5 仿真实验及结果分析 | 第39-45页 |
| 3.5.1 动态测试函数及性能指标 | 第39-41页 |
| 3.5.2 实验设计和参数设置 | 第41页 |
| 3.5.3 实验结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 静态与动态优化机制在回归预测中的应用 | 第46-60页 |
| 4.1 问题提出 | 第46页 |
| 4.2 回归分析模型概述 | 第46-49页 |
| 4.2.1 回归分析的定义 | 第46-47页 |
| 4.2.2 回归预测模型和预测结果评价指标 | 第47-49页 |
| 4.2.3 回归模型参数估计方法 | 第49页 |
| 4.3 仿真实验设计及结果分析 | 第49-59页 |
| 4.3.1 构建回归预测模型 | 第50-51页 |
| 4.3.2 基于回归预测模型的静态优化机制研究 | 第51-55页 |
| 4.3.3 基于回归预测模型的动态优化机制研究 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 5.1 全文工作总结 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间取得的研究成果 | 第66-68页 |
| 致谢 | 第68-69页 |