| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 问题的背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文的主要研究内容 | 第9-10页 |
| 1.4 本文的结构安排 | 第10-11页 |
| 2 人工蜂群算法的相关理论知识 | 第11-18页 |
| 2.1 优化问题 | 第11-13页 |
| 2.1.1 优化问题简介 | 第11-12页 |
| 2.1.2 优化模型的建立 | 第12页 |
| 2.1.3 全局优化 | 第12-13页 |
| 2.1.4 局部优化 | 第13页 |
| 2.2 人工蜂群算法 | 第13-17页 |
| 2.2.1 蜜蜂采蜜机理 | 第13-15页 |
| 2.2.2 ABC 算法原理 | 第15-16页 |
| 2.2.3 ABC 算法步骤 | 第16-17页 |
| 2.3 小结 | 第17-18页 |
| 3 基于反向轮盘赌选择策略的蜂群算法 | 第18-21页 |
| 3.1 轮盘赌选择策略 | 第18页 |
| 3.2 反向轮盘赌选择策略 | 第18-19页 |
| 3.3 算法步骤 | 第19-20页 |
| 3.4 小结 | 第20-21页 |
| 4 增强寻优能力的改进人工蜂群算法 | 第21-29页 |
| 4.1 增强寻优能力的改进人工蜂群算法原理 | 第21-23页 |
| 4.1.1 双向轮盘赌的选择更新机制 | 第21-22页 |
| 4.1.2 侦察蜂在迭代过程中的确定 | 第22页 |
| 4.1.3 新增迭代中心解邻域的更新搜索 | 第22-23页 |
| 4.2 soa-ABC 算法步骤 | 第23-24页 |
| 4.3 soa-ABC 算法的计算量和时间复杂度分析 | 第24-25页 |
| 4.3.1 soa-ABC 算法的计算量分析 | 第24页 |
| 4.3.2 soa-ABC 算法的时间复杂度分析 | 第24-25页 |
| 4.4 实验仿真与结果分析 | 第25-28页 |
| 4.4.1 测试函数 | 第25-26页 |
| 4.4.2 参数设置 | 第26页 |
| 4.4.3 实验结果分析 | 第26-28页 |
| 4.5 小结 | 第28-29页 |
| 5 soa-ABC 算法性能的深层验证 | 第29-32页 |
| 5.1 soa-ABC 算法与 MABC、runABC 算法的比较 | 第29-30页 |
| 5.2 soa-ABC 算法的鲁棒性 | 第30-31页 |
| 5.3 结论 | 第31-32页 |
| 6 结论与展望 | 第32-34页 |
| 致谢 | 第34-35页 |
| 参考文献 | 第35-39页 |
| 附录 | 第39页 |
| A. 作者在攻读学位期间发表的论文目录 | 第39页 |