| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.3 研究现状 | 第13-18页 |
| 1.3.1 群智能优化算法发展现状 | 第13-15页 |
| 1.3.2 生物地理学算法研究现状 | 第15-16页 |
| 1.3.3 系统辨识研究现状 | 第16-18页 |
| 1.4 本文研究内容及创新点 | 第18-20页 |
| 第二章 生物地理学算法概要 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 生物地理学的提出 | 第20-22页 |
| 2.3 生物地理学算法机理 | 第22-30页 |
| 2.3.1 算法迁移操作 | 第22-27页 |
| 2.3.2 算法突变操作 | 第27-29页 |
| 2.3.3 算法精英解设置 | 第29页 |
| 2.3.4 生物地理学算法整体流程 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于斜坡突变比例的BBO算法与非线性系统模型辨识 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 带有斜坡突变比例的MBBO算法概述及性能评估 | 第32-39页 |
| 3.2.1 加入参数调整操作的生物地理学算法 | 第32-34页 |
| 3.2.2 MBBO算法性能分析 | 第34-39页 |
| 3.3 基于MBBO算法的非线性系统模型辨识 | 第39-46页 |
| 3.3.1 Hammerstein模型及实验参数设置 | 第39-42页 |
| 3.3.2 算法对Hammerstein模型辨识结果与分析 | 第42-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 自适应BBO算法与重尾噪声下的非线性系统模型辨识 | 第48-58页 |
| 4.1 引言 | 第48页 |
| 4.2 带有自适应参数调整策略的生物地理学算法 | 第48-51页 |
| 4.2.1 自适应算法机制 | 第48-49页 |
| 4.2.2 算法参数自适应调整方案 | 第49-51页 |
| 4.3 自适应生物地理学算法算法在非线性系统模型辨识中的应用 | 第51-57页 |
| 4.3.1 Wiener模型及实验参数设置 | 第51-52页 |
| 4.3.2 重尾噪声的处理 | 第52-53页 |
| 4.3.3 算法对Wiener模型辨识结果与分析 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 导师和作者简介 | 第68-70页 |
| 附件 | 第70-71页 |
