| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-12页 |
| §1.1 最优化问题 | 第8-9页 |
| §1.2 人工蜂群算法研究现状 | 第9-11页 |
| §1.3 文章组织 | 第11-12页 |
| 第二章 基本算法 | 第12-19页 |
| §2.1 人工蜂群算法 | 第12-13页 |
| §2.2 差分进化算法 | 第13-17页 |
| §2.3 本章小结 | 第17-19页 |
| 第三章 基于自适应差分的人工蜂群算法 | 第19-35页 |
| §3.1 人工蜂群算法的三个改进策略 | 第19-25页 |
| 3.1.1 运用混沌映射和反向学习的初始化策略 | 第19-20页 |
| 3.1.2 利用差分向量和最好个体引导雇佣蜂搜索 | 第20-22页 |
| 3.1.3 利用自适应差分策略库引导跟随蜂搜素 | 第22-25页 |
| §3.2 SADEABC算法步骤 | 第25-26页 |
| §3.3 数值实验 | 第26-34页 |
| 3.3.1 基准函数和参数设置 | 第26-27页 |
| 3.3.2 实验结果与分析 | 第27-34页 |
| §3.4 本章小结 | 第34-35页 |
| 第四章 基于跨领域搜索和生物地理学迁移的人工蜂群算法 | 第35-58页 |
| §4.1 跨邻域搜索引导雇佣蜂搜索 | 第35-37页 |
| §4.2 生物地理学迁移引导跟随蜂搜索 | 第37-42页 |
| §4.3 ANSBMABC算法流程图 | 第42页 |
| §4.4 数值实验 | 第42-57页 |
| 4.4.1 与当前主流算法的比较 | 第42-49页 |
| 4.4.2 实验结果与分析 | 第49-57页 |
| §4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 附录 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |