人工蜂群算法的改进及应用
| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·研究内容 | 第11页 |
| ·组织形式 | 第11-13页 |
| 第二章 群体智能优化算法概述 | 第13-18页 |
| ·蚁群算法 | 第13-14页 |
| ·粒子群算法 | 第14-15页 |
| ·人工鱼群算法 | 第15-16页 |
| ·小结 | 第16-18页 |
| 第三章 人工蜂群算法 | 第18-24页 |
| ·蜂群简介 | 第18-19页 |
| ·人工蜂群算法 | 第19-21页 |
| ·人工蜂群算法的收敛性分析 | 第21-23页 |
| ·证明理论准备 | 第21-22页 |
| ·算法的收敛性分析 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第四章 自干扰的人工蜂群算法 | 第24-42页 |
| ·自干扰的人工蜂群算法 | 第24-26页 |
| ·基于队尾更新的自干扰的人工蜂群算法 | 第26-28页 |
| ·算法的时间复杂度分析 | 第28页 |
| ·自干扰人工蜂群算法的收敛性 | 第28-29页 |
| ·实验所用测试函数简介 | 第29页 |
| ·实验结果的比较和分析 | 第29-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于自干扰的人工蜂群算法的聚类算法 | 第42-50页 |
| ·聚类算法简介 | 第42-43页 |
| ·聚类算法的各种要求 | 第42页 |
| ·聚类算法的分类 | 第42-43页 |
| ·基于人工蜂群算法的聚类算法 | 第43-46页 |
| ·收敛性和时间复杂度分析 | 第46页 |
| ·实验结果比较 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·论文工作的总结 | 第50页 |
| ·未来工作的展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间发表的学术论文 | 第55页 |
