交互式与自适应演化算法研究
| 主要创新点 | 第1-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-23页 |
| ·优化问题及现代元启发式方法 | 第13-18页 |
| ·优化问题 | 第13-15页 |
| ·现代元启发式方法 | 第15-18页 |
| ·交互式演化算法 | 第18-21页 |
| ·交互式演化算法的产生 | 第18-20页 |
| ·交互式演化算法的研究意义 | 第20-21页 |
| ·本文的研究内容及创新之处 | 第21页 |
| ·本文的组织结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 交互式演化算法的研究概述 | 第23-31页 |
| ·交互式演化算法的特点 | 第23-24页 |
| ·交互式演化算法的关键问题 | 第24页 |
| ·交互式演化算法研究现状 | 第24-30页 |
| ·交互式演化算法的理论研究 | 第25-28页 |
| ·交互式演化算法的应用研究 | 第28-30页 |
| ·交互式演化算法面临的问题 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 交互式演化算法在海报设计中的应用研究 | 第31-47页 |
| ·海报设计相关知识 | 第31-34页 |
| ·海报的概念 | 第31-32页 |
| ·海报的分类 | 第32-33页 |
| ·海报设计领域存在的问题 | 第33-34页 |
| ·交互式演化算法的应用研究 | 第34-39页 |
| ·交互式演化算法及编码 | 第34-36页 |
| ·算法中各算子的设计 | 第36-38页 |
| ·适应度的评估 | 第38-39页 |
| ·实验与分析 | 第39-45页 |
| ·实验一及结果分析 | 第39-43页 |
| ·实验二及结果分析 | 第43-44页 |
| ·实验三及结果分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于朴素贝叶斯方法的个体适应值评估 | 第47-65页 |
| ·机器学习 | 第47-50页 |
| ·机器学习的发展过程 | 第47-48页 |
| ·机器学习的分类 | 第48-49页 |
| ·机器学习的几种经典算法 | 第49-50页 |
| ·朴素贝叶斯概述 | 第50-51页 |
| ·朴素贝叶斯算法 | 第51-53页 |
| ·贝叶斯定理 | 第51页 |
| ·朴素贝叶斯分类法 | 第51-53页 |
| ·基于朴素贝叶斯的交互式演化算法 | 第53-60页 |
| ·算法思想及流程 | 第53-54页 |
| ·算法中各算子的设计 | 第54-55页 |
| ·朴素贝叶斯分类预测个体满意度 | 第55-59页 |
| ·适应度的评价 | 第59页 |
| ·算法性能分析 | 第59-60页 |
| ·实验与分析 | 第60-64页 |
| ·海报设计问题 | 第60页 |
| ·参数设置及策略选择 | 第60-61页 |
| ·海报设计过程 | 第61-62页 |
| ·结果与说明 | 第62-63页 |
| ·优势及存在的不足 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于支持向量机的个体适应值评估 | 第65-81页 |
| ·统计学习理论的基础思想及核心内容 | 第65-66页 |
| ·学习过程的一致性 | 第65-66页 |
| ·推广能力的界 | 第66页 |
| ·支持向量机 | 第66-71页 |
| ·支持向量机的理论基础 | 第66-67页 |
| ·线性判别函数和线性判别面 | 第67-68页 |
| ·最优分类面 | 第68-69页 |
| ·核函数及选择 | 第69-70页 |
| ·支持向量机的标准形式 | 第70-71页 |
| ·基于支持向量机的交互式演化算法 | 第71-75页 |
| ·算法思想及流程 | 第71-74页 |
| ·算法中各算子的设计 | 第74页 |
| ·适应度的评价 | 第74-75页 |
| ·算法性能分析 | 第75页 |
| ·实验与分析 | 第75-80页 |
| ·实验一及结果分析 | 第75-78页 |
| ·实验二及结果分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 交互式演化平台设计 | 第81-92页 |
| ·平台框架概述 | 第81-82页 |
| ·平台设计中的MVC模型 | 第82-83页 |
| ·平台目录结构 | 第83-84页 |
| ·平台的实现 | 第84-87页 |
| ·平台的演示 | 第87-91页 |
| ·本章小结 | 第91-92页 |
| 第七章 总结与展望 | 第92-95页 |
| ·主要研究成果及创新 | 第92-93页 |
| ·未来工作展望 | 第93-95页 |
| 参考文献 | 第95-101页 |
| 攻读博士学位期间的主要研究成果 | 第101-102页 |
| 致谢 | 第102页 |
