基于增强个体信息交流的蜻蜓算法研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 蜻蜓算法的研究现状 | 第12-13页 |
| 1.3 微博话题热度预测 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 蜻蜓算法的研究 | 第16-25页 |
| 2.1 蜻蜓算法的灵感来源 | 第16页 |
| 2.2 蜻蜓个体的行为及其数学描述 | 第16-19页 |
| 2.3 蜻蜓算法的算法步骤 | 第19页 |
| 2.4 蜻蜓算法的收敛性分析 | 第19-23页 |
| 2.4.1 马尔可夫链相关知识 | 第19-21页 |
| 2.4.2 收敛性证明 | 第21-23页 |
| 2.5 蜻蜓算法的缺点 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于增强个体信息交流的蜻蜓算法 | 第25-31页 |
| 3.1 贪婪策略 | 第25-26页 |
| 3.2 平衡策略 | 第26-27页 |
| 3.3 组合策略 | 第27-28页 |
| 3.4 多样性与收敛性 | 第28-29页 |
| 3.5 算法流程 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 仿真实验及其分析 | 第31-42页 |
| 4.1 基准测试函数 | 第31-32页 |
| 4.2 单峰函数 | 第32-33页 |
| 4.3 多峰函数 | 第33-35页 |
| 4.4 实验结果与分析 | 第35-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 改进蜻蜓算法在微博话题热度预测中的应用 | 第42-48页 |
| 5.1 时间序列预测技术 | 第42页 |
| 5.2 引入Elman神经网络 | 第42-44页 |
| 5.3 微博话题热度预测模型 | 第44-45页 |
| 5.4 实验测试 | 第45-47页 |
| 5.5 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间发表论文 | 第53-55页 |
| 致谢 | 第55页 |
