基于反向学习策略的蝙蝠算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.3 本文工作 | 第17-18页 |
| 1.4 内容安排 | 第18-20页 |
| 第二章 蝙蝠算法分析 | 第20-34页 |
| 2.1 经典智能优化算法 | 第20-23页 |
| 2.1.1 遗传算法 | 第20-21页 |
| 2.1.2 粒子群算法 | 第21-23页 |
| 2.1.3 蚁群算法 | 第23页 |
| 2.2 蝙蝠算法原理 | 第23-28页 |
| 2.2.1 仿生原理 | 第23-25页 |
| 2.2.2 BA基本原理 | 第25-26页 |
| 2.2.3 BA的关键参数 | 第26-28页 |
| 2.3 蝙蝠算法流程 | 第28-30页 |
| 2.3.1 初始化 | 第28页 |
| 2.3.2 个体更新 | 第28-29页 |
| 2.3.3 响度和脉冲发生率更新 | 第29页 |
| 2.3.4 局部搜索 | 第29-30页 |
| 2.3.5 算法流程 | 第30页 |
| 2.4 蝙蝠算法不足 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于反向学习策略的蝙蝠算法 | 第34-52页 |
| 3.1 反向学习策略 | 第34-35页 |
| 3.2 基于反向学习策略的蝙蝠算法 | 第35-40页 |
| 3.2.1 反向学习策略的引入 | 第35-39页 |
| 3.2.2 基于反向学习策略的蝙蝠算法设计 | 第39-40页 |
| 3.3 种群初始化 | 第40-43页 |
| 3.3.1 均匀设计构造初始种群 | 第40-42页 |
| 3.3.2 初始化种群效果对比 | 第42-43页 |
| 3.4 个体更新 | 第43-44页 |
| 3.5 早熟收敛控制 | 第44-48页 |
| 3.5.1 群体差异性度量方法 | 第44-45页 |
| 3.5.2 早熟收敛处理 | 第45-48页 |
| 3.6 改进后的蝙蝠算法设计 | 第48页 |
| 3.7 本章小结 | 第48-52页 |
| 第四章 算法仿真与分析 | 第52-66页 |
| 4.1 测试函数特征分析 | 第52-57页 |
| 4.1.1 单峰测试函数 | 第52-55页 |
| 4.1.2 多峰测试函数 | 第55-57页 |
| 4.2 仿真环境及参数设置 | 第57-59页 |
| 4.2.1 算法性能指标 | 第57-58页 |
| 4.2.2 试验参数设置 | 第58-59页 |
| 4.3 测试函数的仿真与分析 | 第59-65页 |
| 4.3.1 收敛速度对比 | 第59-61页 |
| 4.3.2 算法精度对比 | 第61-63页 |
| 4.3.3 算法稳定性对比 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 结束语 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
