| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题的背景及研究意义 | 第10-11页 |
| 1.2 研究现状分析 | 第11-15页 |
| 1.2.1 SFLA的理论研究概况 | 第11-13页 |
| 1.2.2 SFLA的应用研究概况 | 第13-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 相关理论概述 | 第17-30页 |
| 2.1 最优化问题 | 第17-19页 |
| 2.1.1 最优化问题的定义 | 第17页 |
| 2.1.2 最优化问题的数学模型 | 第17-18页 |
| 2.1.3 最优化问题的分类 | 第18页 |
| 2.1.4 最优化问题的步骤 | 第18-19页 |
| 2.2 群体智能算法 | 第19-25页 |
| 2.2.1 群体智能算法的相关概念 | 第19-21页 |
| 2.2.2 群体智能算法的计算机制 | 第21-23页 |
| 2.2.3 常见群体智能算法的简介 | 第23-25页 |
| 2.3 混合蛙跳算法 | 第25-29页 |
| 2.3.1 混合蛙跳算法的基本概念和原理 | 第25-26页 |
| 2.3.2 混合蛙跳算法的流程 | 第26-28页 |
| 2.3.3 混合蛙跳算法的优缺点 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 混合蛙跳算法的改进 | 第30-36页 |
| 3.1 对种群初始化的改进 | 第30-31页 |
| 3.2 青蛙个体变异方式的改进 | 第31-32页 |
| 3.2.1 使用粒子群优化思想改进SFLA | 第31-32页 |
| 3.2.2 使用差分进化思想改进SFLA | 第32页 |
| 3.3 种群分组方法的改进 | 第32-33页 |
| 3.4 改进的混合蛙跳算法性能测试 | 第33-35页 |
| 3.4.1 实验环境和测试函数 | 第33页 |
| 3.4.2 实验结果和分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 改进的混合蛙跳在传统算法优化中的应用 | 第36-49页 |
| 4.1 改进混合蛙跳在K均值聚类算法优化中的应用 | 第36-42页 |
| 4.1.1 预备知识介绍 | 第36-38页 |
| 4.1.2 问题引出 | 第38-39页 |
| 4.1.3 基于改进混合蛙跳的K均值聚类算法 | 第39-40页 |
| 4.1.4 基于改进混合蛙跳的K均值聚类算法性能测试 | 第40-42页 |
| 4.2 改进混合蛙跳在协同过滤算法优化中的应用 | 第42-48页 |
| 4.2.1 预备知识介绍 | 第42-43页 |
| 4.2.2 问题引出 | 第43-44页 |
| 4.2.3 基于混合蛙跳联合聚类的协同过滤算法 | 第44-47页 |
| 4.2.4 基于混合蛙跳联合聚类的协同过滤算法性能测试 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 改进混合蛙跳算法在移动机器人路径规划中的应用 | 第49-55页 |
| 5.1 预备知识介绍 | 第49-50页 |
| 5.1.1 路径规划的定义 | 第49页 |
| 5.1.2 路径规划的步骤 | 第49-50页 |
| 5.1.3 路径规划的方法 | 第50页 |
| 5.2 问题的引出 | 第50-51页 |
| 5.3 基于改进混合蛙跳算法的移动机器人路径规划 | 第51-52页 |
| 5.4 基于改进混合蛙跳算法的移动机器人路径规划性能测试 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 未来展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
