| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-11页 |
| 1.2 群体智能算法 | 第11-13页 |
| 1.3 支持向量机 | 第13页 |
| 1.4 经济订货模型 | 第13-14页 |
| 1.5 课题背景及研究意义 | 第14-15页 |
| 1.6 本文研究内容及章节安排 | 第15-17页 |
| 第二章 人工蜂群算法和模拟退火算法 | 第17-30页 |
| 2.1 人工蜂群算法 | 第17-21页 |
| 2.1.1 人工蜂群算法的生物学背景 | 第17-18页 |
| 2.1.2 人工蜂群算法的思想和数学描述 | 第18-20页 |
| 2.1.3 人工蜂群算法的研究与发展 | 第20-21页 |
| 2.2 模拟退火算法 | 第21-24页 |
| 2.2.1 模拟退火算法的相关背景知识 | 第21-22页 |
| 2.2.2 模拟退火算法的数学描述 | 第22-23页 |
| 2.2.3 模拟退火算法的研究与发展 | 第23-24页 |
| 2.3 支持向量机 | 第24-29页 |
| 2.3.1 支持向量机介绍 | 第24-27页 |
| 2.3.2 信息粒化 | 第27-28页 |
| 2.3.3 支持向量机的研究与发展 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 HBABC——改进的人工蜂群算法 | 第30-43页 |
| 3.1 两种改进的人工蜂群算法介绍 | 第30-33页 |
| 3.1.1 Bare-bones ABC算法 | 第30-31页 |
| 3.1.2 Hybrid Bee Colony算法 | 第31-32页 |
| 3.1.3 对两种改进算法的分析 | 第32-33页 |
| 3.2 一种改进的人工蜂群算法 | 第33-36页 |
| 3.2.1 背景介绍 | 第33-35页 |
| 3.2.2 算法介绍 | 第35-36页 |
| 3.3 算法验证 | 第36-42页 |
| 3.3.1 实验准备 | 第36-38页 |
| 3.3.2 实验结果 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 结合HBABC算法的SVM参数优化及其在EOQ模型中的应用 | 第43-59页 |
| 4.1 SVM参数的选择 | 第43-44页 |
| 4.2 基于HBABC的SVM参数优化及其在EOQ数据预测中的应用 | 第44-58页 |
| 4.2.1 问题描述 | 第45页 |
| 4.2.2 实验数据集和实验目的 | 第45-47页 |
| 4.2.3 实验过程描述 | 第47-48页 |
| 4.2.4 实验结果与分析 | 第48-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的研究成果 | 第66-67页 |
