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

两阶段搜索的多峰优化算法研究

论文创新点第5-12页
摘要第12-14页
ABSTRACT第14-16页
第1章 绪论第17-30页
    1.1 研究问题的背景第17-19页
    1.2 研究动机与目的第19-20页
    1.3 国内外研究现状第20-28页
        1.3.1 国外研究现状第20-27页
        1.3.2 国内研究现状第27-28页
    1.4 研究的内容与方法第28页
    1.5 本文的结构安排第28-30页
第2章 多峰优化算法相关知识第30-44页
    2.1 优化基础知识第30-32页
        2.1.1 目标函数与全局最优值第30-31页
        2.1.2 局部性原理与局部最优值第31页
        2.1.3 吸引盆第31-32页
        2.1.4 优化问题属性第32页
    2.2 演化多峰优化第32-35页
        2.2.1 演化算法的基本框架第33-34页
        2.2.2 求解多峰问题的演化算法技术第34-35页
    2.3 常见多峰算法介绍第35-39页
        2.3.1 IPOP-CMA-ES算法第35-36页
        2.3.2 FERPSO算法第36-37页
        2.3.3 NEA2算法第37-38页
        2.3.4 NCDE算法第38页
        2.3.5 LIPS算法第38-39页
        2.3.6 Self-CCDE算法第39页
    2.4 测试函数及性能评价第39-43页
        2.4.1 测试函数第39-41页
        2.4.2 性能评价第41-43页
    2.5 本章小结第43-44页
第3章 多峰优化聚类算法第44-60页
    3.1 NBC聚类第44-46页
    3.2 DMC聚类第46-54页
        3.2.1 检测多峰算法DM第46-47页
        3.2.2 中值递归算法RM第47-48页
        3.2.3 DMC聚类算法第48-49页
        3.2.4 改进的DMC聚类算法IDMC第49-53页
        3.2.5 DM和RM在IDMC算法中的比较第53-54页
    3.3 APC聚类第54-55页
    3.4 实验对比第55-59页
    3.5 本章小结第59-60页
第4章 协方差矩阵自适应演化策略第60-94页
    4.1 CMA-ES算法介绍第60-62页
    4.2 理论基础总结第62-64页
        4.2.1 协方差矩阵自适应学习的主要理论基础第62-63页
        4.2.2 Cholesky因子增量更新的理论基础第63-64页
    4.3 协方差矩阵自适应学习机制第64-77页
        4.3.1 多元正态分布第64-66页
        4.3.2 Hessian矩阵和协方差矩阵第66-67页
        4.3.3 协方差矩阵自适应的原理第67-69页
        4.3.4 演化策略的基本公式第69-71页
        4.3.5 协方差矩阵的估计第71-72页
        4.3.6 秩-1更新机制第72-74页
        4.3.7 秩-μ更新机制第74-75页
        4.3.8 秩-1和秩-μ更新的合并第75-77页
    4.4 全局步长自适应学习机制第77-79页
    4.5 (1+1)精英选择学习机制第79-82页
    4.6 (1+λ)精英选择学习机制第82页
    4.7 改进的(μ_ω,λ)-Cholesky-CMA-ES第82-86页
    4.8 实验对比第86-91页
    4.9 CMA-ES算法的讨论第91-93页
    4.10 本章小结第93-94页
第5章 两阶段搜索的多峰优化算法第94-134页
    5.1 算法的提出动机第94-96页
    5.2 提出的算法第96-107页
        5.2.1 NBC和IDMC聚类性能比较第96-97页
        5.2.2 搜索点补充策略第97-101页
        5.2.3 提出的算法框架第101-107页
    5.3 实验对比第107-125页
        5.3.1 实验设置第107-108页
        5.3.2 实验结果分析第108-125页
    5.4 两阶段多峰优化算法求解纳什均衡问题第125-132页
        5.4.1 纳什均衡问题介绍第125-127页
        5.4.2 问题描述第127-128页
        5.4.3 实验对比第128-132页
    5.5 本章小结第132-134页
第6章 总结与展望第134-137页
    6.1 本文工作的总结第134-135页
    6.2 后续研究工作的展望第135-137页
参考文献第137-145页
攻读博士期间的主要研究成果第145-146页
致谢第146页

论文共146页,点击 下载论文
上一篇:大数据环境下无线传感器网络关键技术研究
下一篇:药物—靶标相互作用预测及其在药物重定位中的应用研究