| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 本论文的研究背景及意义 | 第11页 |
| 1.2 果蝇优化算法的国内外研究现状 | 第11-12页 |
| 1.3 原始果蝇优化算法 | 第12-15页 |
| 1.3.1 初始化参数和种群位置 | 第13页 |
| 1.3.2 嗅觉搜索阶段 | 第13-14页 |
| 1.3.3 视觉搜索阶段 | 第14-15页 |
| 1.4 云模型 | 第15-16页 |
| 1.5 本论文主要内容 | 第16-19页 |
| 第二章 基于云学习的双态果蝇优化算法 | 第19-33页 |
| 2.1 改进的浓度判定值计算 | 第19-21页 |
| 2.2 双态机制 | 第21-22页 |
| 2.2.1 搜索状态 | 第21-22页 |
| 2.2.2 捕食状态 | 第22页 |
| 2.3 算法流程 | 第22-24页 |
| 2.4 数值分析 | 第24-31页 |
| 2.4.1 参数设置 | 第24页 |
| 2.4.2 双模态种群比例分析 | 第24-26页 |
| 2.4.3 BCMFOA与其它FOA比较分析 | 第26-29页 |
| 2.4.4 BCMFOA与其它类型优化算法比较分析 | 第29-31页 |
| 2.5 小结 | 第31-33页 |
| 第三章 基于正态云模型的果蝇优化算法 | 第33-53页 |
| 3.1 基于正态云模型的果蝇个体位置更新 | 第33页 |
| 3.2 正态云模型参数自适应策略 | 第33-34页 |
| 3.3 算法流程 | 第34页 |
| 3.4 计算复杂度分析 | 第34-35页 |
| 3.5 数值分析 | 第35-51页 |
| 3.5.1 参数设置 | 第36-38页 |
| 3.5.2 CMFOA与其它FOA比较分析 | 第38-44页 |
| 3.5.3 CMFOA与其它类型智能优化算法比较分析 | 第44-51页 |
| 3.6 小结 | 第51-53页 |
| 第四章 基于云模型的多目标果蝇优化算法 | 第53-65页 |
| 4.1 引言 | 第53-54页 |
| 4.2 基于云模型的多目标果蝇优化算法设计 | 第54-58页 |
| 4.2.1 基于Pareto占优的选择机制 | 第54-55页 |
| 4.2.2 外部档案更新策略 | 第55-57页 |
| 4.2.3 约束处理 | 第57页 |
| 4.2.4 算法流程 | 第57-58页 |
| 4.3 数值分析 | 第58-64页 |
| 4.3.1 性能指标 | 第59页 |
| 4.3.2 参数设置 | 第59页 |
| 4.3.3 实验结果及分析 | 第59-64页 |
| 4.4 小结 | 第64-65页 |
| 第五章 改进果蝇优化算法在工程优化中的应用 | 第65-75页 |
| 5.1 基于BCMFOA的永磁同步电机多参数辨识 | 第65-67页 |
| 5.1.1 永磁同步电机多参数模型 | 第65-66页 |
| 5.1.2 实验结果及其分析 | 第66-67页 |
| 5.2 基于MOCMFOA的人造卫星热导管优化设计 | 第67-70页 |
| 5.2.1 人造卫星热导管优化模型 | 第68-69页 |
| 5.2.2 最优折衷解选择 | 第69页 |
| 5.2.3 实验结果及其分析 | 第69-70页 |
| 5.3 基于MOCMFOA的减速器优化设计 | 第70-73页 |
| 5.3.1 减速器优化模型 | 第70-72页 |
| 5.3.2 实验结果及分析 | 第72-73页 |
| 5.4 小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录A 攻读学位期间发表的论文与科研成果清单 | 第83-85页 |
| 致谢 | 第85页 |
