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

拟态物理学算法及其应用研究

摘要第2-3页
Abstract第3-4页
第1章 绪论第8-14页
    1.1 研究背景和意义第8-11页
        1.1.1 进化计算第8-9页
        1.1.2 群智能优化算法第9-10页
        1.1.3 拟态物理学算法(APO)第10-11页
    1.2 拟态物理学算法研究现状第11-12页
        1.2.1 拟态物理学算法的研究与进展第11页
        1.2.2 拟态物理学算法的应用第11-12页
    1.3 本文的主要内容与工作第12-14页
第2章 基于反向学习和混沌变异的拟态物理学算法第14-28页
    2.1 拟态物理学优化算法第14-19页
        2.1.1 拟态物理学算法的基本原理第14-17页
        2.1.2 拟态物理学算法的实现步骤第17-18页
        2.1.3 基本拟态物理学算法的不足第18-19页
    2.2 拟态物理学算法的改进策略第19-22页
        2.2.1 反向学习第19页
        2.2.2 双方向速度第19页
        2.2.3 混沌变异第19-20页
        2.2.4 算法的性能测试第20-22页
    2.3 改进拟态物理学算法在参数辨识题中的应用第22-25页
        2.3.1 参数辨识原理第23页
        2.3.2 Wiener模型第23-24页
        2.3.3 适应度函数第24页
        2.3.4 辨识结果第24-25页
    2.4 改进拟态物理学算法在路径优化中的应用第25-27页
        2.4.1 TSP的描述及数学模型第25-26页
        2.4.2 TSP的理论意义第26页
        2.4.3 路径优化实例第26-27页
    2.5 本章小结第27-28页
第3章 基于滤子技术的拟态物理学算法(FMAPO)第28-38页
    3.1 约束问题的数学模型第28-29页
    3.2 解决约束问题的常用方法第29-30页
        3.2.1 传统的解决方法第29页
        3.2.2 当前解决方法第29-30页
    3.3 滤子的相关概念第30-32页
        3.3.1 滤子技术的定义和运用第30页
        3.3.2 算法中的基本概念第30-32页
    3.4 基于滤子技术的拟态物理学算法(FMAPO)第32-34页
    3.5 滤子拟态物理学算法的应用第34-36页
        3.5.1 对两种典型标准约束问题的优化第34-35页
        3.5.2 算法在起重机箱型主梁的优化研究第35-36页
    3.6 本章小结第36-38页
第4章 基于拟态物理学的约束多目标优化第38-50页
    4.1 引言第38-39页
    4.2 基于作用力规则和随机加权的拟态物理学(FMLAPO)第39-46页
        4.2.1 基于作用力规则和随机加权的拟态物理学(FMLAPO)第39-41页
        4.2.2 算法收敛性证明第41-45页
        4.2.3 实例分析第45-46页
    4.3 基于极大熵函数和滤子技术的拟态物理学算法(FMSAPO)第46-49页
        4.3.1 基于极大熵函数和滤子技术的拟态物理学算法(FMSAPO)第46-48页
        4.3.2 实例测试第48-49页
    4.4 本章小结第49-50页
第5章 滤子拟态物理学算法在区间多目标优化中的应用第50-63页
    5.1 区间线性规划问题第50-53页
        5.1.1 区间数的定义第50页
        5.1.2 区间数的运算法则及性质第50-51页
        5.1.3 区间线性规划模型第51-52页
        5.1.4 ILPM最优值区间的确定第52页
        5.1.5 算例剖析第52-53页
    5.2 区间多目标优化问题第53-56页
        5.2.1 区间多目标优化的数学模型第53-54页
        5.2.2 区间多目标优化的解第54-55页
        5.2.3 对目标函数和约束条件的线型处理第55页
        5.2.4 IMOP模型的确定化第55-56页
    5.3 模糊几何加权法第56-58页
    5.4 基于滤子拟态物理学算法和模糊加权的区间多目标规划第58-59页
    5.5 实例分析第59-62页
    5.6 本章小结第62-63页
第六章 总结与展望第63-64页
    6.1 总结第63页
    6.2 展望第63-64页
参考文献第64-69页
在学期间发表的学术论文第69-70页
致谢第70-72页

论文共72页,点击 下载论文
上一篇:基于神经网络的大棚环境变量解耦控制系统的研究与开发
下一篇:全向移动机器人运动规划与轨迹跟踪控制的研究