摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第9-18页 |
1.1 课题背景 | 第10-11页 |
1.2 优化问题的数学描述 | 第11-12页 |
1.3 优化算法的国内外发展现状 | 第12-15页 |
1.4 研究的目的和意义 | 第15-16页 |
1.5 研究的内容 | 第16-18页 |
第二章 人工生命及animat理论 | 第18-32页 |
2.1 人工智能的主要学派及其应用领域 | 第18-19页 |
2.2 人工生命及animat概念的提出 | 第19-23页 |
2.2.1 人工生命的诞生 | 第19-20页 |
2.2.2 人工生命与传统人工智能的区别 | 第20-21页 |
2.2.3 Animat概念的提出 | 第21-23页 |
2.3 人工生命及animat的主要思想 | 第23-25页 |
2.4 构造人工生命及animat的方法 | 第25-28页 |
2.5 人工生命及animat的一些明显特征 | 第28页 |
2.6 人工生命研究的新进展 | 第28-32页 |
第三章 基于animat视觉模型的智能优化模式 | 第32-49页 |
3.1 Animat的模型结构 | 第32页 |
3.2 复杂的视觉 | 第32-34页 |
3.3 建立animat视觉模型 | 第34-36页 |
3.3.1 Animat视点探索过程模拟 | 第34-35页 |
3.3.2 Animat勘探复杂地形过程模拟 | 第35-36页 |
3.4 建立animat行为管理机制 | 第36-41页 |
3.4.1 禁忌搜索管理机制介绍 | 第36-37页 |
3.4.2 禁忌搜索算法的程序流程 | 第37-38页 |
3.4.3 禁忌搜索算法实现的关键 | 第38-41页 |
3.4.3.1 禁忌表 | 第38-39页 |
3.4.3.2 评价函数 | 第39页 |
3.4.3.3 藐视准则 | 第39-40页 |
3.4.3.4 记忆频率信息 | 第40-41页 |
3.4.3.5 终止准则 | 第41页 |
3.5 基于animat视觉模型的智能优化策略 | 第41-42页 |
3.5.1 参数说明 | 第41-42页 |
3.5.2 优化策略 | 第42页 |
3.6 仿真实例测试 | 第42-48页 |
3.6.1 收敛速度测试 | 第43-44页 |
3.6.2 克服未成熟收敛测试 | 第44-45页 |
3.6.3 算法可靠性及摆脱局部极值点能力测试 | 第45-47页 |
3.6.4 求解精度测试 | 第47-48页 |
3.6.5 结果分析 | 第48页 |
3.7 本章小结 | 第48-49页 |
第四章 基于animat视觉模型的智能优化模式的改进及收敛性分析 | 第49-80页 |
4.1 多模态函数优化问题概述及发展现状 | 第49-50页 |
4.2 求解多模态函数优化问题策略一 | 第50-53页 |
4.2.1 视点探索的构建实现 | 第51页 |
4.2.2 基本视觉过程的构建实现 | 第51-52页 |
4.2.3 Animat反应行为管理机制的实现 | 第52页 |
4.2.4 优化策略一的实现 | 第52-53页 |
4.3 求解多模态函数优化问题策略二 | 第53-59页 |
4.3.1 Animat视觉模型的改进—改进的powell方法的应用 | 第53-57页 |
4.3.1.1 基本的Powell方法 | 第54-55页 |
4.3.1.2 改进的Powell方法 | 第55-56页 |
4.3.1.3 视点探索的构建实现 | 第56-57页 |
4.3.1.4 基本视觉过程的构建实现 | 第57页 |
4.3.2 优化策略二的实现 | 第57-59页 |
4.4 函数测试仿真 | 第59-79页 |
4.4.1 测试函数一:二维一个全局最优点的函数寻优测试 | 第59-63页 |
4.4.2 测试函数二:二维二个全局最优点的函数寻优测试 | 第63-66页 |
4.4.3 测试函数三:二维四个全局最优点的函数寻优测试 | 第66-70页 |
4.4.4 测试函数四:二维十八个全局最优点的函数寻优测试 | 第70-75页 |
4.4.5 测试函数五:三维一个全局最优点的函数寻优测试 | 第75-76页 |
4.4.6 测试函数六:n维一个全局最优点的函数寻优测试 | 第76-78页 |
4.4.7 结果分析 | 第78-79页 |
4.5 本章小结 | 第79-80页 |
第五章 总结与展望 | 第80-83页 |
参考文献 | 第83-91页 |
致谢 | 第91-93页 |
硕士期间发表论文及参加的科研工作 | 第93页 |