| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第二章 遗传算法概述及交叉概率与变异概率的研究 | 第14-28页 |
| 2.1 遗传算法概述 | 第14-18页 |
| 2.1.1 遗传算法的基本概念 | 第14-15页 |
| 2.1.2 遗传算法基本原理及实现流程 | 第15-16页 |
| 2.1.2.1 遗传算法基本操作 | 第15页 |
| 2.1.2.2 遗传算法的控制参数 | 第15页 |
| 2.1.2.3 遗传算法的实现流程 | 第15-16页 |
| 2.1.3 遗传算法的特点 | 第16-18页 |
| 2.2 遗传算法中交叉概率与变异概率的研究 | 第18-26页 |
| 2.2.1 交叉概率与变异概率的研究实验及结果分析 | 第18-24页 |
| 2.2.2 交叉概率 Pc 和变异概率 Pm 之间关系的研究 | 第24-25页 |
| 2.2.3 实验结果分析 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 粒子群遗传混合算法 | 第28-40页 |
| 3.1 标准粒子群算法概述 | 第28-32页 |
| 3.1.1 标准粒子群算法的数学描述 | 第28-29页 |
| 3.1.2 粒子群算法控制参数 | 第29-30页 |
| 3.1.3 标准粒子群算法的实现流程 | 第30-32页 |
| 3.1.4 粒子群优化算法特点 | 第32页 |
| 3.2 粒子群与遗传算法结合的成因及几种途径 | 第32-35页 |
| 3.2.1 粒子群与遗传算法能够结合的原因 | 第32-33页 |
| 3.2.2 目前两种算法结合的研究现状 | 第33-35页 |
| 3.2.2.1 横向结合 | 第34页 |
| 3.2.2.2 纵向结合 | 第34-35页 |
| 3.2.2.3 交叉型结合 | 第35页 |
| 3.3 本文中两算法的结合 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 粒子群遗传混合算法在函数优化中的应用 | 第40-51页 |
| 4.1 测试函数介绍 | 第40-43页 |
| 4.2 几种算法性能比较 | 第43-50页 |
| 4.2.1 测试函数中算法各参数的设定 | 第43-44页 |
| 4.2.2 算法性能衡量标准 | 第44页 |
| 4.2.3 实验结果比较 | 第44-50页 |
| 4.2.3.1 寻优能力比较 | 第44-45页 |
| 4.2.3.2 稳定性比较 | 第45-46页 |
| 4.2.3.3 时间复杂度比较 | 第46页 |
| 4.2.3.4 收敛过程图比较 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附件 | 第58页 |