| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪言 | 第8-13页 |
| 1.1 全局优化问题与优化算法 | 第8-9页 |
| 1.2 群体智能算法 | 第9-10页 |
| 1.3 研究内容和意义 | 第10-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第2章 人工蜂群算法与模型 | 第13-20页 |
| 2.1 群体蜜蜂觅食行为研究 | 第13-14页 |
| 2.2 人工蜂群算法基本原理 | 第14-16页 |
| 2.3 人工蜂群算法步骤流程 | 第16-18页 |
| 2.4 人工蜂群算法研究现状 | 第18-20页 |
| 第3章 改进Gbest引导的人工蜂群算法与新概率模型(MPGABC) | 第20-37页 |
| 3.1 动机 | 第20-21页 |
| 3.2 MPGABC算法 | 第21-23页 |
| 3.2.1 新颖搜索策略 | 第21页 |
| 3.2.2 新概率模型 | 第21-23页 |
| 3.2.3 完整的MPGABC算法 | 第23页 |
| 3.3 实验结果与分析 | 第23-36页 |
| 3.3.1 基准测试函数和评价指标 | 第23-25页 |
| 3.3.2 实验一：有效性分析 | 第25-27页 |
| 3.3.3 实验二：在22个基准测试函数比较 | 第27-32页 |
| 3.3.4 实验三：参数P敏感性分析 | 第32-33页 |
| 3.3.5 实验四：CEC2011现实问题与CEC2013优化问题比较 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于距离-适应值邻居搜索的人工蜂群算法及应用(DFnABC) | 第37-57页 |
| 4.1 动机 | 第37-38页 |
| 4.2 DFnABC算法 | 第38-43页 |
| 4.2.1 为雇佣蜂提出新搜索策略 | 第38-41页 |
| 4.2.2 为旁观者蜂提出新的选择机制 | 第41页 |
| 4.2.3 为旁观者蜂提出新搜索策略 | 第41-43页 |
| 4.2.4 完整的DFnABC算法 | 第43页 |
| 4.3 实验结果与分析 | 第43-56页 |
| 4.3.1 基准测试函数和评价指标 | 第43-44页 |
| 4.3.2 实验一：有效性分析 | 第44页 |
| 4.3.3 实验二：在22个基准测试函数比较 | 第44-49页 |
| 4.3.4 实验三：在CEC2013测试问题中比较 | 第49-51页 |
| 4.3.5 实验四：在5个实际优化问题中比较（ROPs） | 第51-54页 |
| 4.3.6 实验五：时间复杂性分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 论文工作总结 | 第57页 |
| 5.2 未来工作扩展 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间的研究成果 | 第64页 |
