| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-15页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-13页 |
| 1.3 论文主要创新点 | 第13页 |
| 1.4 论文主要工作及结构安排 | 第13-15页 |
| 2 基本社会蜘蛛群优化算法 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 社会蜘蛛群优化算法 | 第15-21页 |
| 2.2.1 种群初始化 | 第15-16页 |
| 2.2.2 种群个体权重分配及适应度值计算 | 第16页 |
| 2.2.3 公共交流网的振动模型 | 第16-17页 |
| 2.2.4 雌性蜘蛛位置更新 | 第17页 |
| 2.2.5 雄性蜘蛛位置更新 | 第17-18页 |
| 2.2.6 交配行为 | 第18页 |
| 2.2.7 社会蜘蛛群优化算法的基本步骤 | 第18-19页 |
| 2.2.8 社会蜘蛛群优化算法的基本流程图 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于社会蜘蛛群优化算法求解 0-1 背包问题 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 背包问题的描述 | 第22-23页 |
| 3.3 基于 SSO 算法的 0-1 背包问题模型求解步骤 | 第23页 |
| 3.4 仿真实验与结果分析 | 第23-33页 |
| 3.4.1 仿真实验平台 | 第23页 |
| 3.4.2 低维 0-1 背包测试数据集 | 第23-27页 |
| 3.4.3 高维 0-1 背包测试数据集 | 第27-31页 |
| 3.4.4 实验结果分析 | 第31-33页 |
| 3.5 结论 | 第33-34页 |
| 4 社会蜘蛛群优化算法求解无线传感器覆盖率问题 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 无线传感器网络的数学模型 | 第34-36页 |
| 4.2.1 实验假设条件 | 第34页 |
| 4.2.2 二进制传感模型 | 第34-35页 |
| 4.2.3 目标函数 | 第35-36页 |
| 4.3 基于SSO算法的无线传感器覆盖率问题求解步骤 | 第36页 |
| 4.4 仿真实验与对比分析 | 第36-44页 |
| 4.4.1 仿真实验平台 | 第36页 |
| 4.4.2 实验参数设置 | 第36-37页 |
| 4.4.3 无线传感器覆盖率的对比分析 | 第37-40页 |
| 4.4.4 优化算法收敛速度和稳定性对比分析 | 第40-41页 |
| 4.4.5 无线传感器节点数量对覆盖率的影响 | 第41页 |
| 4.4.6 优化算法的种群数量对覆盖率的影响 | 第41-42页 |
| 4.4.7 大规模无线传感器覆盖率的对比分析 | 第42-44页 |
| 4.5 结论 | 第44-45页 |
| 5 基于精英反向学习策略的社会蜘蛛群优化算法 | 第45-59页 |
| 5.1 引言 | 第45页 |
| 5.2 反向学习策略和精英选择机制 | 第45-46页 |
| 5.3 基于精英反向学习策略的社会蜘蛛群优化算法（EOSSO） | 第46-47页 |
| 5.4 基于EOSSO算法的函数优化问题求解步骤 | 第47-48页 |
| 5.5 仿真实验 | 第48-57页 |
| 5.5.1 实验环境 | 第49页 |
| 5.5.2 实验参数设置 | 第49页 |
| 5.5.3 算法优化性能对比 | 第49-56页 |
| 5.5.4 实验结果分析 | 第56-57页 |
| 5.6 结论 | 第57-59页 |
| 6 基于差分进化算子的社会蜘蛛群优化算法求解流水线型生产车间调度问题 | 第59-73页 |
| 6.1 引言 | 第59页 |
| 6.2 流水线型生产车间调度问题的数学模型 | 第59-60页 |
| 6.3 具有差分进化算子的社会蜘蛛群优化算法 | 第60-62页 |
| 6.3.1 差分进化算子 | 第60-61页 |
| 6.3.2 社会蜘蛛的飞航特性 | 第61页 |
| 6.3.3 SSO-DM算法的特性分析 | 第61-62页 |
| 6.4 基于SSO-DM算法的流水线型生产车间问题求解步骤和流程图 | 第62-64页 |
| 6.5 仿真实验 | 第64-70页 |
| 6.5.1 实验平台 | 第64页 |
| 6.5.2 实验参数设置 | 第64页 |
| 6.5.3 优化算法性能对比 | 第64-70页 |
| 6.6 实验分析 | 第70-72页 |
| 6.7 结论 | 第72-73页 |
| 7 基于量子编码的社会蜘蛛群优化算法求解水电站优化调度问题 | 第73-84页 |
| 7.1 引言 | 第73页 |
| 7.2 水电站优化调度数学模型 | 第73-74页 |
| 7.3 基于量子编码的社会蜘蛛群优化算法（QSSO） | 第74-76页 |
| 7.3.1 量子社会蜘蛛群优化算法的编码及解码方法 | 第74-75页 |
| 7.3.2 量子概率幅的更新 | 第75-76页 |
| 7.4 基于QSSO算法的水电站优化调度模型求解步骤 | 第76页 |
| 7.5 实例分析 | 第76-83页 |
| 7.5.1 实验平台 | 第77页 |
| 7.5.2 实例 1：一年期的柴石滩水电站优化调度 | 第77-80页 |
| 7.5.3 实例 2：十年期的柴石滩水电站优化调度 | 第80-81页 |
| 7.5.4 实例 3：百年期的柴石滩水电站优化调度 | 第81-82页 |
| 7.5.5 威尔克松秩和检验 | 第82-83页 |
| 7.6 结论 | 第83-84页 |
| 8 总结和展望 | 第84-86页 |
| 8.1 论文总结 | 第84页 |
| 8.2 未来的工作 | 第84-86页 |
| 参考文献 | 第86-96页 |
| 附录 | 第96-105页 |
| 致谢 | 第105-106页 |
| 攻读硕士学位期间发表的学术论文 | 第106-107页 |
| 攻读硕士学位期间参与的科研项目 | 第107-108页 |
| 攻读硕士学位期间获得荣誉和奖励 | 第108页 |
