中文摘要 | 第1-8页 |
英文摘要 | 第8-15页 |
绪论 | 第15-21页 |
1 课题目的和意义 | 第15-16页 |
2 国际国内研究状况和进展 | 第16-19页 |
3 论文各部分的主要内容 | 第19-21页 |
第一章 鱼群模式概论 | 第21-30页 |
1.1 人工智能 | 第21-23页 |
1.2 集群与集群智能 | 第23-24页 |
1.3 动物自治体 | 第24-26页 |
1.4 鱼群模式 | 第26-29页 |
1.4.1 视觉 | 第26-27页 |
1.4.2 鱼群行为分析 | 第27-28页 |
1.4.3 人工鱼 | 第28-29页 |
1.4.4 问题的解决 | 第29页 |
1.5 结论 | 第29-30页 |
第二章 基本人工鱼群算法 | 第30-49页 |
2.1 前言 | 第30-31页 |
2.2 人工鱼模型(AF-artificial fish) | 第31-35页 |
2.2.1 一些定义 | 第32页 |
2.2.2 行为描述 | 第32-34页 |
2.2.3 行为选择 | 第34-35页 |
2.3 算法描述 | 第35-36页 |
2.4 仿真实验研究 | 第36-39页 |
2.5 算法对照 | 第39-40页 |
2.6 人工鱼群算法全局收敛的基础 | 第40-41页 |
2.7 各参数对收敛性能的影响分析 | 第41-48页 |
2.7.1 视野和步长 | 第42-44页 |
2.7.2 拥挤度因子δ(delta) | 第44-45页 |
2.7.3 人工鱼的个体数目 | 第45-46页 |
2.7.4 参数对计算时间的影响 | 第46-48页 |
2.8 结束语 | 第48-49页 |
第三章 组合优化问题的人工鱼群算法应用 | 第49-58页 |
3.1 引言 | 第49页 |
3.2 基本概念 | 第49-50页 |
3.2.1 组合优化问题 | 第49-50页 |
3.2.2 人工鱼群算法中的距离和邻域 | 第50页 |
3.3 人工鱼群算法描述 | 第50-55页 |
3.3.1 人工鱼(AF,Artificial Fish)模型 | 第51页 |
3.3.2 符号定义 | 第51-52页 |
3.3.3 人工鱼的行为描述 | 第52-54页 |
3.3.4 小结 | 第54-55页 |
3.4 计算实例研究 | 第55-56页 |
3.5 结论 | 第56-58页 |
第四章 基于分解协调的人工鱼群算法 | 第58-71页 |
4.1 引言 | 第58页 |
4.2 系统的分解与鱼群的分类 | 第58-59页 |
4.3 基于分解和协调思想的鱼群算法描述 | 第59-65页 |
4.3.1 符号说明 | 第60页 |
4.3.2 人工鱼行为描述 | 第60-64页 |
4.3.3 结果的获取 | 第64页 |
4.3.4 补充说明 | 第64-65页 |
4.4 计算实例 | 第65-69页 |
4.4.1 计算结果 | 第66-68页 |
4.4.2 结果比较 | 第68-69页 |
4.5 结论 | 第69-71页 |
第五章 人工鱼群算法的改进方法 | 第71-76页 |
5.1 引言 | 第71页 |
5.2 改进的鱼群算法 | 第71-73页 |
5.2.1 生存机制 | 第71-72页 |
5.2.2 竞争机制 | 第72页 |
5.2.3 仿真结果 | 第72-73页 |
5.3 视野的改进 | 第73-74页 |
5.4 高阶行为模式 | 第74页 |
5.5 分段优化方法 | 第74-75页 |
5.6 混合优化方法 | 第75页 |
5.7 结论 | 第75-76页 |
第六章 人工鱼群算法的应用研究 | 第76-86页 |
6.1 引言 | 第76页 |
6.2 基于人工鱼群算法的参数估计方法 | 第76-79页 |
6.2.1 前言 | 第76-77页 |
6.2.2 基于人工鱼群算法的系统辨识 | 第77页 |
6.2.3 仿真实例 | 第77-79页 |
6.2.4 结论 | 第79页 |
6.3 基于人工鱼群算法的鲁棒PID控制器参数整定方法研究 | 第79-86页 |
6.3.1 引言 | 第79-80页 |
6.3.2 鲁棒PID控制器 | 第80-82页 |
6.3.3 基于人工鱼群算法的参数整定 | 第82-83页 |
6.3.4 实例仿真研究 | 第83-85页 |
6.3.5 结论 | 第85-86页 |
第七章 结语 | 第86-88页 |
参考文献 | 第88-95页 |