| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 引言 | 第14-22页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 生物启发式计算 | 第15-19页 |
| 1.2.1 进化算法 | 第15-16页 |
| 1.2.2 免疫计算与内分泌计算 | 第16-17页 |
| 1.2.3 DNA计算与膜计算 | 第17-18页 |
| 1.2.4 神经网络 | 第18页 |
| 1.2.5 涌现系统与群体智能 | 第18-19页 |
| 1.3 论文内容与组织 | 第19-21页 |
| 1.3.1 论文研究内容 | 第19-20页 |
| 1.3.2 论文的组织结构 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第2章 群体智能优化方法研究进展 | 第22-41页 |
| 2.1 引言 | 第22页 |
| 2.2 蚁群优化 | 第22-25页 |
| 2.2.1 蚁群算法起源 | 第22-23页 |
| 2.2.2 基本蚁群算法模型 | 第23-24页 |
| 2.2.3 蚁群算法应用现状 | 第24-25页 |
| 2.3 粒子群优化 | 第25-29页 |
| 2.3.1 粒子群算法起源 | 第25-27页 |
| 2.3.2 标准粒子群算法模型 | 第27-28页 |
| 2.3.3 粒子群群算法应用现状 | 第28-29页 |
| 2.4 菌群优化 | 第29-32页 |
| 2.4.1 菌群优化算法的生物学基础 | 第29页 |
| 2.4.2 菌群优化算法模型 | 第29-31页 |
| 2.4.3 菌群算法研究进展 | 第31-32页 |
| 2.5 蜂群优化 | 第32-37页 |
| 2.5.1 蜂群算法起源 | 第32-34页 |
| 2.5.2 人工蜂群优化算法模型 | 第34-37页 |
| 2.5.3 蜂群优化方法研究进展 | 第37页 |
| 2.6 群体智能算法改进研究 | 第37-39页 |
| 2.6.1 生物启发计算的改进研究 | 第37-39页 |
| 2.6.2 生物启发计算的参数效能分析 | 第39页 |
| 2.6.3 保持群体多样性方法的研究 | 第39页 |
| 2.7 本章小结 | 第39-41页 |
| 第3章 离散型蜂群算法及其应用研究 | 第41-59页 |
| 3.1 引言 | 第41页 |
| 3.2 人工蜂群算法的改进研究 | 第41-42页 |
| 3.3 离散版本的蜂群算法 | 第42-51页 |
| 3.3.1 BABC算法 | 第42-43页 |
| 3.3.2 BABC算法的实现步骤 | 第43-44页 |
| 3.3.3 实验与结果分析 | 第44-51页 |
| 3.4 基于BABC的背包问题求解 | 第51-58页 |
| 3.4.1 背包问题描述 | 第51-52页 |
| 3.4.2 参数的编码 | 第52页 |
| 3.4.3 适应度函数选择 | 第52-53页 |
| 3.4.4 基于BABC的KP问题求解 | 第53-54页 |
| 3.4.5 实验与结果分析 | 第54-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 基于信息交流拓扑结构的改进蜂群算法及其应用 | 第59-77页 |
| 4.1 引言 | 第59页 |
| 4.2 基于信息交流拓扑结构的改进蜂群算法 | 第59-69页 |
| 4.2.1 拓扑结构概述 | 第61页 |
| 4.2.2 TABC-V算法实现 | 第61-62页 |
| 4.2.3 实验与结果分析 | 第62-69页 |
| 4.3 基于TABC-V的神经网络训练 | 第69-75页 |
| 4.3.1 问题背景 | 第69页 |
| 4.3.2 BP神经网络 | 第69-71页 |
| 4.3.3 基于TABC-V的BP网络训练过程 | 第71-72页 |
| 4.3.4 实例研究 | 第72-75页 |
| 4.4 本章小结 | 第75-77页 |
| 第5章 多群体协同进化粒子群优化及其在RFID网络调度中的应用 | 第77-104页 |
| 5.1 引言 | 第77页 |
| 5.2 多群体协同进化粒子群优化算法 | 第77-81页 |
| 5.2.1 多群体协同进化优化的生物学基础 | 第77-80页 |
| 5.2.2 多群体协同进化模型 | 第80-81页 |
| 5.3 多种群共生协同进化粒子群优化算法 | 第81-90页 |
| 5.3.1 MSPSO算法 | 第81-84页 |
| 5.3.2 仿真研究 | 第84-90页 |
| 5.4 基于MSPSO的RFID网络读写器调度 | 第90-103页 |
| 5.4.1 RFID网络读写器调度问题背景 | 第90页 |
| 5.4.2 RFID网络读写器调度模型 | 第90-92页 |
| 5.4.3 RFID网络读写器调度模型的MSPSO算法求解 | 第92-95页 |
| 5.4.4 实例研究 | 第95-103页 |
| 5.5 本章小结 | 第103-104页 |
| 第6章 基于细菌群体行为的优化方法及其应用 | 第104-127页 |
| 6.1 引言 | 第104页 |
| 6.2 工作基础 | 第104-105页 |
| 6.3 细菌群体觅食优化算法 | 第105-116页 |
| 6.3.1 BCF算法的基本操作 | 第105-108页 |
| 6.3.2 仿真研究 | 第108-116页 |
| 6.4 基于BCF算法的聚类分析 | 第116-120页 |
| 6.4.1 BCF聚类分析方法 | 第116-117页 |
| 6.4.2 实验与结果分析 | 第117-120页 |
| 6.5 基于BCF算法的公交调度问题求解 | 第120-126页 |
| 6.5.1 公交调度模型 | 第120-122页 |
| 6.5.2 实例仿真 | 第122-126页 |
| 6.6 本章小结 | 第126-127页 |
| 结论 | 第127-130页 |
| 参考文献 | 第130-142页 |
| 致谢 | 第142-143页 |
| 攻读博士学位期间的研究成果 | 第143-144页 |
| 作者简历 | 第144页 |
