基于粒子群与中心引力的一种新混合算法及应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.3 主要的研究内容与创新之处 | 第20页 |
| 1.4 本文的章节安排 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 第二章 相关算法综述 | 第23-35页 |
| 2.1 全局优化问题描述 | 第23-24页 |
| 2.1.1 最优化定义 | 第23页 |
| 2.1.2 最优化分类 | 第23-24页 |
| 2.1.3 局部优化和全局优化 | 第24页 |
| 2.2 粒子群算法 | 第24-30页 |
| 2.2.1 粒子群的基本原理 | 第25-26页 |
| 2.2.2 算法参数 | 第26-28页 |
| 2.2.3 标准PSO算法流程 | 第28-29页 |
| 2.2.4 粒子群算法的优缺点 | 第29-30页 |
| 2.3 中心引力算法 | 第30-34页 |
| 2.3.1 中心引力算法的基本原理 | 第30-32页 |
| 2.3.2 标准算法的基本流程 | 第32-33页 |
| 2.3.3 中心引力算法的优缺点 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 一种改进的自适应粒子群和中心引力混合算法 | 第35-51页 |
| 3.1 问题描述 | 第35页 |
| 3.2 问题分析 | 第35-36页 |
| 3.3 一种改进的粒子群和中心引力混合算法 | 第36-42页 |
| 3.3.1 自适应策略 | 第37-38页 |
| 3.3.2 局部搜索策略 | 第38-39页 |
| 3.3.3 变异策略 | 第39-41页 |
| 3.3.4 改进的算法流程 | 第41-42页 |
| 3.4 数值实验 | 第42-50页 |
| 3.4.1 测试函数 | 第42-45页 |
| 3.4.2 实验环境 | 第45页 |
| 3.4.3 测试结果 | 第45-48页 |
| 3.4.4 实验结果 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 改进的自适应混合算法在TSP问题上的应用 | 第51-57页 |
| 4.1 TSP问题描述 | 第51页 |
| 4.2 CF-PSO算法在TSP问题上的应用 | 第51-54页 |
| 4.2.1 参数设置 | 第51-52页 |
| 4.2.2 在TSP问题上的应用 | 第52-54页 |
| 4.3 实验结果 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 研究工作的总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64-65页 |
