粒子群优化算法代理模型的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 粒子群优化算法代理模型的研究背景 | 第9页 |
| 1.2 研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 论文组织结构及创新点 | 第11-13页 |
| 1.4.1 组织结构 | 第11页 |
| 1.4.2 创新点 | 第11-13页 |
| 第2章 粒子群优化算法代理模型发展综述 | 第13-19页 |
| 2.1 粒子群优化算法原理 | 第13页 |
| 2.2 粒子群算法所遇到的挑战 | 第13-14页 |
| 2.3 适应度模型的发展 | 第14-19页 |
| 2.3.1 引言 | 第14页 |
| 2.3.2 适应度继承 | 第14-15页 |
| 2.3.3 适应度模仿 | 第15页 |
| 2.3.4 代理模型 | 第15-19页 |
| 第3章 基于反馈机制的同胚流形代理模型 | 第19-30页 |
| 3.1 相关算法简介 | 第19-25页 |
| 3.1.1 黎曼流形学习 | 第19-23页 |
| 3.1.2 AP聚类算法 | 第23-24页 |
| 3.1.3 回归方法 | 第24-25页 |
| 3.2 基于反馈机制的同胚流形代理模型思想 | 第25-26页 |
| 3.3 算法细节 | 第26-28页 |
| 3.3.1 局部低维流形回归代理算法流程 | 第26-27页 |
| 3.3.2 反馈机制引导搜索方向算法流程 | 第27-28页 |
| 3.4 算法复杂性分析 | 第28-29页 |
| 3.5 算法流程图 | 第29-30页 |
| 第4章 实验设计与结果分析 | 第30-58页 |
| 4.1 引言 | 第30-34页 |
| 4.2 实验设计及结果分析 | 第34-58页 |
| 4.2.1 基于反馈机制的同胚流形代理模型实验 | 第34-53页 |
| 4.2.2 对比实验 | 第53-55页 |
| 4.2.3 工程实例 | 第55-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 作者简介及科研成果 | 第62-63页 |
| 致谢 | 第63页 |
