求解优化问题的改进粒子群算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 优化问题 | 第9-10页 |
| 1.2.1 最优化问题数学表示 | 第9-10页 |
| 1.2.2 最优化问题分类与求解方法 | 第10页 |
| 1.3 群智能优化算法 | 第10-12页 |
| 1.3.1 进化算法 | 第11页 |
| 1.3.2 人工蜂群算法 | 第11页 |
| 1.3.3 粒子群优化算法 | 第11页 |
| 1.3.4 群体智能优化算法的优势和不足 | 第11-12页 |
| 1.4 本文的主要内容与创新之处 | 第12-13页 |
| 第二章 粒子群算法概述 | 第13-17页 |
| 2.1 粒子群算法概述 | 第13-15页 |
| 2.1.1 算法原理 | 第13-14页 |
| 2.1.2 算法参数概述 | 第14页 |
| 2.1.3 粒子群优化算法流程 | 第14-15页 |
| 2.2 粒子群算法现状 | 第15-16页 |
| 2.2.1 PSO算法理论研究 | 第15页 |
| 2.2.2 参数的选取 | 第15页 |
| 2.2.3 学习策略的改进 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 无约束优化问题的改进粒子群算法 | 第17-28页 |
| 3.1 引言 | 第17页 |
| 3.2 种群最近等值粒子 | 第17-18页 |
| 3.3 改进策略 | 第18-20页 |
| 3.3.1 等高随机替换策略 | 第18-19页 |
| 3.3.2 全局最优随机反方向搜索策略 | 第19页 |
| 3.3.3 简化粒子群算法 | 第19-20页 |
| 3.3.4 改进的粒子群算法流程 | 第20页 |
| 3.4 仿真实验与分析 | 第20-27页 |
| 3.4.1 测试函数 | 第20-21页 |
| 3.4.2 结果分析 | 第21-26页 |
| 3.4.3 算法多样性分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 混合整数优化问题的改进粒子群算法 | 第28-35页 |
| 4.1 引言 | 第28页 |
| 4.2 基于混合整数规划问题的改进粒子群算法 | 第28-31页 |
| 4.3 算法流程 | 第31页 |
| 4.4 仿真实验与分析 | 第31-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 多目标优化问题的改进粒子群算法 | 第35-41页 |
| 5.1 引言 | 第35页 |
| 5.2 多目标优化问题 | 第35-36页 |
| 5.3 改进的多目标粒子群算法 | 第36-38页 |
| 5.4 实验及结果分析 | 第38-40页 |
| 5.5 本章小结 | 第40-41页 |
| 第六章 结论与展望 | 第41-42页 |
| 6.1 本文主要内容 | 第41页 |
| 6.2 展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 附录1 混合整数规划问题实验函数 | 第47-51页 |
| 附录2 多目标优化问题实验函数 | 第51-52页 |
| 致谢 | 第52-53页 |
| 个人简介 | 第53页 |
