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

结合遗传算法的粒子群优化模型及其应用研究

摘要第1-9页
ABSTRACT第9-11页
第一章 绪论第11-18页
   ·研究现状第11-15页
     ·遗传算法的研究现状第11-12页
     ·微粒群算法的研究现状第12-14页
     ·创新概念设计的研究现状第14-15页
   ·研究意义第15-16页
   ·本文的主要工作和组织结构第16-18页
第二章 基本遗传算法理论第18-27页
   ·遗传算法的基本理论第18-20页
     ·模式定理与隐含并行性第18-19页
     ·积木块假设与欺骗问题第19页
     ·收敛性问题第19-20页
   ·遗传算法的基本操作第20-27页
     ·编码第20-22页
       ·二进制编码方式第20-21页
       ·浮点数编码方式第21-22页
       ·符号编码方式第22页
     ·交叉算子第22-23页
       ·二进制编码的交叉算子第22页
       ·浮点数编码的交叉算子第22-23页
     ·变异算子第23-25页
       ·二进制编码的变异算子第23-24页
       ·浮点数编码的变异算子第24-25页
     ·参数选择与终止条件第25-26页
     ·遗传算法的基本流程第26-27页
第三章 基于云模型的遗传进化机制第27-31页
   ·云模型理论第27-28页
     ·云模型的基本概念第27页
     ·云模型的数字特征第27-28页
     ·云模型在遗传算法中的应用第28页
   ·基于云模型的进化算法框架第28-30页
     ·正向云发生器算法第29页
     ·逆向云发生器算法第29-30页
     ·基于云模型的进化算法框架第30页
   ·本章小结第30-31页
第四章 结合遗传算法的动态小生境粒子群优化技术第31-45页
   ·引言第31页
   ·基本PSO 算法第31-34页
     ·PSO 基本原理第31-32页
     ·PSO 数学描述第32-33页
     ·PSO 算法流程第33页
     ·全局模型与局部模型第33-34页
   ·PSO 算法的发展第34-39页
     ·PSO 基本模型的改进第34-35页
       ·引入惯性因子的PSO 模型第34-35页
       ·引入收缩因子的PSO 模型第35页
     ·离散PSO 模型第35-36页
     ·杂交PSO 模型第36-37页
     ·协同PSO 模型第37页
     ·自适应PSO 模型第37-38页
     ·免疫PSO 模型第38-39页
   ·基于动态小生境的粒子群优化技术第39-43页
     ·小生境技术第39页
     ·小生境和PSO第39页
     ·基本邻域结构第39-40页
     ·改进的动态小生境粒子群优化算法第40-43页
       ·动态小生境模型第40-41页
       ·协同方式第41-42页
       ·迁移方式第42页
       ·子群体进化第42-43页
   ·结合遗传算法的动态小生境粒子群优化算法第43-44页
   ·本章小结第44-45页
第五章 结合遗传算法的粒子群优化技术在概念设计中的应用第45-57页
   ·实现平台第45-47页
     ·ACIS 平台第45页
     ·开发接口第45-46页
     ·ACIS 的主要特色第46页
     ·组件结构第46-47页
     ·几何与拓扑第47页
   ·群体智能算法第47-49页
     ·总体模式第47-48页
     ·群体智能之GNPSO 模式第48-49页
   ·GNPSO 模型在手机概念设计上的应用探索第49页
   ·总体设计与设计实例第49-56页
     ·总体设计界面第50页
     ·手机构件设计第50-52页
     ·云模型设计实例第52-53页
     ·手机构件存储第53-55页
       ·SQL Server 2000 数据库存储第53-54页
       ·XML 文件存储第54-55页
     ·手机构件装配第55-56页
   ·本章小结第56-57页
第六章 结束语第57-59页
   ·本文的工作第57页
   ·进一步的研究方向第57-59页
参考文献第59-63页
研究生期间发表论文第63-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:免疫遗传算法在计算机辅助设计中的应用与研究
下一篇:基于进化计算和模糊聚类技术的多分类器联合研究