首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

人工雨滴算法及其应用研究

摘要第3-5页
Abstract第5-7页
符号对照表第13-15页
缩略语对照表第15-21页
1 绪论第21-27页
    1.1 引言第21-22页
    1.2 演化算法第22-24页
    1.3 复杂连续优化问题第24-25页
    1.4 本文的主要工作第25-27页
2 人工雨滴算法第27-45页
    2.1 引言第27-28页
    2.2 提出的算法第28-30页
    2.3 算法描述第30-33页
    2.4 相关理论分析第33-35页
        2.4.1 雨滴碰撞算子的分布特性分析第33-34页
        2.4.2 最坏时间复杂度分析第34页
        2.4.3 收敛性分析第34-35页
    2.5 实验研究第35-43页
        2.5.1 测试函数第36页
        2.5.2 参数设置第36页
        2.5.3 数值实验第36-43页
    2.6 进一步讨论第43-44页
        2.6.1 种群规模对算法性能的影响第43-44页
        2.6.2 问题维数对算法性能的影响第44页
    2.7 本章小结第44-45页
3 扩展人工雨滴算法第45-61页
    3.1 引言第45页
    3.2 提出的算法第45-49页
        3.2.1 动态分组策略第46-47页
        3.2.2 多雨滴形成策略第47-48页
        3.2.3 若干算子修正第48-49页
    3.3 算法描述第49-52页
    3.4 最坏时间复杂度和收敛性分析第52页
    3.5 实验研究第52-59页
        3.5.1 参数设置第52-56页
        3.5.2 数值实验第56-59页
    3.6 进一步讨论第59-60页
        3.6.1 分组组数对算法性能的影响第59页
        3.6.2 计算效率比较第59-60页
    3.7 本章小结第60-61页
4 集成自组织映射和二项交叉算子学习的人工雨滴算法第61-79页
    4.1 引言第61页
    4.2 提出的算法第61-67页
        4.2.1 自组织映射学习第61-64页
        4.2.2 种群剖分技术第64页
        4.2.3 二项交叉算子学习第64-67页
    4.3 算法描述第67-69页
    4.4 实验研究第69-73页
        4.4.1 比较算法介绍第69-70页
        4.4.2 参数设置第70页
        4.4.3 数值实验第70-73页
    4.5 进一步讨论第73-77页
        4.5.1 SOM和BCO对算法性能的影响第73-76页
        4.5.2 邻域大小对算法性能的影响第76页
        4.5.3 交叉概率对算法性能的影响第76页
        4.5.4 计算效率比较第76-77页
    4.6 本章小结第77-79页
5 基于人工雨滴算法和模拟二进制交叉的分解多目标演化算法第79-101页
    5.1 引言第79-82页
    5.2 基于Tchebycheff聚合的MOEA/D框架第82-83页
    5.3 提出的算法第83-86页
        5.3.1 雨滴池的修正第83-85页
        5.3.2 新的搜索引擎第85-86页
    5.4 算法描述第86-88页
    5.5 相关理论分析第88-89页
        5.5.1 最坏时间复杂度分析第88-89页
        5.5.2 收敛性分析第89页
    5.6 实验研究第89-96页
        5.6.1 测试函数第90-91页
        5.6.2 参数设置第91-93页
        5.6.3 性能指标第93-95页
        5.6.4 数值实验第95-96页
    5.7 进一步讨论第96-100页
        5.7.1 SBX对算法性能的贡献第96-97页
        5.7.2 问题维数对算法性能的影响第97-98页
        5.7.3 算法的局限性第98-100页
    5.8 本章小结第100-101页
6 先验知识驱动的多目标人工雨滴算法第101-117页
    6.1 引言第101-102页
    6.2 提出的算法第102-104页
        6.2.1 先验知识的提取和利用第102页
        6.2.2 人工雨滴算法修正第102-104页
    6.3 算法描述第104-106页
    6.4 最坏时间复杂度和收敛性分析第106页
    6.5 实验研究第106-113页
        6.5.1 测试函数第107-108页
        6.5.2 参数设置和性能指标第108-110页
        6.5.3 数值实验第110-113页
    6.6 进一步讨论第113-115页
        6.6.1 调节概率对算法性能的影响第113-114页
        6.6.2 算法的局限性第114-115页
    6.7 本章小结第115-117页
7 集成人工雨滴算法和高斯逆模型采样的多目标演化算法第117-131页
    7.1 引言第117页
    7.2 IM-MOEA算法及相关研究第117-120页
        7.2.1 IM-MOEA算法介绍第117-119页
        7.2.2 IM-MOEA算法的局限性第119-120页
    7.3 改进策略第120-121页
        7.3.1 雨滴池的扩展第120-121页
        7.3.2 动态参考向量设计第121页
        7.3.3 集成人工雨滴算法的重组策略第121页
    7.4 算法描述第121-123页
    7.5 实验研究第123-127页
        7.5.1 测试函数第123-124页
        7.5.2 比较算法介绍第124页
        7.5.3 参数设置和性能指标第124-125页
        7.5.4 数值实验第125-127页
    7.6 进一步讨论第127-129页
        7.6.1 调节参数对算法性能的影响第127-129页
        7.6.2 计算效率比较第129页
    7.7 本章小结第129-131页
8 基于人工雨滴算法的混沌系统参数估计第131-139页
    8.1 引言第131页
    8.2 混沌系统的参数估计问题及其人工雨滴算法求解第131-134页
        8.2.1 混沌系统的参数估计问题第131-132页
        8.2.2 基本原理与算法实现第132-134页
    8.3 实验研究第134-138页
        8.3.1 典型的混沌系统第134-135页
        8.3.2 参数设置第135-136页
        8.3.3 数值实验第136-138页
    8.4 本章小结第138-139页
9 总结与展望第139-141页
致谢第141-143页
参考文献第143-157页
附录第157-163页
    附录A 多目标基准测试函数MOP1–MOP11第157-159页
    附录B 不规则前沿的多目标基准测试函数MOP1–MOP18第159-163页
攻读博士学位期间的研究成果第163-165页
    1. 完成的论文成果第163-164页
    2. 参与的科研项目第164页
    3. 参加的学术活动第164-165页

论文共165页,点击 下载论文
上一篇:基于公平偏好理论的经理人薪酬契约研究
下一篇:微弧区间伏安特性对Ti及TiN镀层结构与性能的影响