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

基于目标优化的差分进化算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-17页
    1.1 研究背景及意义第10-11页
        1.1.1 差分进化算法的背景第10页
        1.1.2 改进的差分进化算法的研究意义第10-11页
    1.2 差分进化算法的研究现状第11-13页
        1.2.1 国外研究现状第11-12页
        1.2.2 国内研究现状第12-13页
    1.3 目标优化算法的研究现状第13-15页
        1.3.1 目标优化的传统算法第13-14页
        1.3.2 目标优化的智能算法第14-15页
    1.4 本文的研究工作第15页
    1.5 本文的组织结构第15-17页
第2章 差分进化算法第17-23页
    2.1 差分进化算法的起源第17-19页
        2.1.1 算法模型第17-18页
        2.1.2 差分进化算法的优缺点第18-19页
    2.2 差分进化算法的研究第19-21页
        2.2.1 参数的改进第19-20页
        2.2.2 突变策略的改进第20页
        2.2.3 选择操作的改进第20页
        2.2.4 多种群方式第20-21页
        2.2.5 与其它算法的融合第21页
        2.2.6 差分进化算法的应用领域第21页
    2.3 本章小结第21-23页
第3章 单目标优化的差分进化算法第23-32页
    3.1 Single-OODE算法的思想来源第23-24页
    3.2 Single-OODE算法的设计第24-29页
        3.2.1 初始化种群第24-25页
        3.2.2 自适应的突变操作第25-26页
        3.2.3 自适应的参数调整第26页
        3.2.4 两种选择操作第26-27页
        3.2.5 算法的具体步骤和流程第27-29页
    3.3 Single-OODE算法的主要思想和算法描述第29-30页
    3.4 Single-OODE算法分析第30-31页
    3.5 本章小结第31-32页
第4章 多目标优化的差分进化算法第32-44页
    4.1 Multi-OODE算法的思想来源第32-34页
        4.1.1 差分进化算法的分析第33-34页
        4.1.2 多目标优化问题的分析第34页
    4.2 Multi-OODE算法的设计第34-40页
        4.2.1 算法的设计思想第34-35页
        4.2.2 初始化种群第35页
        4.2.3 适应度函数第35页
        4.2.4 自适应的参数调整第35-36页
        4.2.5 四种突变策略第36-37页
        4.2.6 非支配排序第37页
        4.2.7 分层截断第37-38页
        4.2.8 改进的拥挤度比较第38-39页
        4.2.9 Multi-OODE算法的具体步骤和流程第39-40页
    4.3 Multi-OODE算法描述第40-41页
    4.4 Multi-OODE算法分析第41-43页
    4.5 本章小结第43-44页
第5章 实验与分析第44-58页
    5.1 Single-OODE算法的实验第44-48页
        5.1.1 实参优化函数问题定义和评估第44-45页
        5.1.2 Single-OODE算法实验环境第45页
        5.1.3 Single-OODE算法实验结果和分析第45-48页
    5.2 Multi-OODE算法的实验第48-54页
        5.2.1 实参优化函数问题定义和评估第49-50页
        5.2.2 Multi-OODE算法的实验结果和分析第50-54页
    5.3 Multi-OODE算法的实例第54-57页
    5.4 本章小结第57-58页
结论第58-59页
参考文献第59-64页
攻读硕士学位期间承担的科研任务与主要成果第64-65页
致谢第65-66页
作者简介第66页

论文共66页,点击 下载论文
上一篇:基于m序列的分布式光纤光栅传感网络的复用解调研究
下一篇:基于无线网络的工业并联机器人控制器设计