改进粒子群算法及其应用研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-17页 |
| 1.1 引言 | 第14页 |
| 1.2 研究背景和意义 | 第14-15页 |
| 1.3 本文主要成果 | 第15-16页 |
| 1.4 本文结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 粒子群优化算法 | 第17-27页 |
| 2.1 基本粒子群优化算法 | 第17-21页 |
| 2.1.1 算法原理 | 第17-19页 |
| 2.1.2 算法参数 | 第19-20页 |
| 2.1.3 算法模型分析 | 第20-21页 |
| 2.1.4 算法优点和缺点 | 第21页 |
| 2.2 粒子群算法发展 | 第21-25页 |
| 2.2.1 引入惯性权重的标准粒子群算法 | 第21-23页 |
| 2.2.2 引入收缩因子的标准粒子群算法 | 第23-24页 |
| 2.2.3 二进制粒子群算法 | 第24-25页 |
| 2.2.4 算法结构 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 自适应混沌搜索的双粒子群优化算法 | 第27-39页 |
| 3.1 算法原理 | 第27-31页 |
| 3.1.1 混沌初始化 | 第27-29页 |
| 3.1.2 自适应惯性权重 | 第29-30页 |
| 3.1.3 双粒子群混沌种群搜索策略 | 第30-31页 |
| 3.1.4 算法实现步骤 | 第31页 |
| 3.2 实验验证 | 第31-38页 |
| 3.2.1 算法性能测试 | 第31-36页 |
| 3.2.2 算法复杂度分析 | 第36-38页 |
| 3.2.3 实验结论 | 第38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 自适应混沌搜索的双粒子群算法的应用 | 第39-51页 |
| 4.1 粒子群算法求解物流配送中心选址模型 | 第39-45页 |
| 4.1.1 物流配送中心选址概述 | 第39-40页 |
| 4.1.2 物流配送中心选址模型 | 第40页 |
| 4.1.3 改进粒子群算法求解步骤 | 第40-41页 |
| 4.1.4 实验验证 | 第41-45页 |
| 4.2 粒子群算法优化支持向量机参数 | 第45-50页 |
| 4.2.1 SVM概述 | 第45-47页 |
| 4.2.2 SVM基本原理 | 第47-48页 |
| 4.2.3 建立模型 | 第48-49页 |
| 4.2.4 实验及结果分析 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第55页 |
