| 摘要 | 第1-9页 |
| ABSTRACT | 第9-22页 |
| 第1章 绪论 | 第22-42页 |
| ·引言 | 第22-23页 |
| ·进化计算的研究历史与现状 | 第23-29页 |
| ·生物学基础 | 第23-24页 |
| ·进化计算的基本框架 | 第24-25页 |
| ·进化计算的主要特点 | 第25页 |
| ·进化算法的问题和改进 | 第25-29页 |
| ·进化算法的新方向—基于知识的进化 | 第29-32页 |
| ·思维进化算法 | 第29-30页 |
| ·文化算法 | 第30页 |
| ·基于知识的进化 | 第30-32页 |
| ·本文研究内容及结构安排 | 第32-35页 |
| ·本文研究内容 | 第32-33页 |
| ·本文内容安排和结构 | 第33-35页 |
| 本章参考文献 | 第35-42页 |
| 第2章 基于知识的思维进化算法框架 | 第42-70页 |
| ·生物进化与文化进化 | 第42-46页 |
| ·文化进化的概念 | 第42-44页 |
| ·生物进化和文化进化的类比 | 第44-45页 |
| ·文化进化的启示 | 第45-46页 |
| ·小结 | 第46页 |
| ·思维进化算法 | 第46-52页 |
| ·思维进化算法产生的思想源泉 | 第47-48页 |
| ·思维进化算法描述 | 第48-51页 |
| ·思维进化的算法的研究现状 | 第51-52页 |
| ·思维进化算法的特点 | 第52页 |
| ·文化算法(Cultural Algorithms) | 第52-56页 |
| ·文化算法的框架和结构 | 第53-54页 |
| ·文化算法的通信机制 | 第54-55页 |
| ·文化算法的特征 | 第55-56页 |
| ·Memetics算法 | 第56-57页 |
| ·基于粒度的进化算法 | 第57-59页 |
| ·粒度进化算法的思想来源 | 第57-58页 |
| ·基于多智能体技术的粒度进化计算模型 | 第58-59页 |
| ·基于知识的多智能体思维进化算法的设想 | 第59-63页 |
| ·对MEA和文化算法的比较和分析 | 第59-61页 |
| ·基于知识的多智能体思维进化算法的设想 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 本章参考文献 | 第64-70页 |
| 第3章 多智能体技术和知识发现技术 | 第70-98页 |
| ·智能体和多智能体系统 | 第70-78页 |
| ·智能体概念和分类 | 第70-72页 |
| ·智能体的结构 | 第72-75页 |
| ·多智能体系统 | 第75-78页 |
| ·基于粗糙集和粒计算的知识发现技术 | 第78-91页 |
| ·知识发现概述 | 第78-80页 |
| ·粗糙集的基本理论 | 第80-86页 |
| ·粒计算的基本理论 | 第86-91页 |
| ·小结 | 第91-92页 |
| 本章参考文献 | 第92-98页 |
| 第4章 基于知识的多智能体思维进化算法 | 第98-142页 |
| ·基于BDI框架的智能群体模型 | 第98-100页 |
| ·进化空间的划分和进化信息的粒化 | 第100-106页 |
| ·解空间和目标空间粒化 | 第100-104页 |
| ·基于不可分辨关系的问题求解空间的划分 | 第104-105页 |
| ·进化信息的二进制粒化 | 第105-106页 |
| ·进化过程中的知识获取和推理 | 第106-122页 |
| ·进化过程中隐藏的知识 | 第106-114页 |
| ·基于二进制粒矩阵运算的知识发现 | 第114-116页 |
| ·进化过程中知识发现的特殊性 | 第116页 |
| ·基于规则融合的推理 | 第116-122页 |
| ·基于知识的多智能体思维进化算法 | 第122-130页 |
| ·算法描述 | 第123-124页 |
| ·趋同过程 | 第124-125页 |
| ·知识指导的变异算子 | 第125-127页 |
| ·异化过程 | 第127-128页 |
| ·进化参数的调整 | 第128-129页 |
| ·多智能体思维进化系统的结构 | 第129-130页 |
| ·KMMEA在函数优化中的应用 | 第130-135页 |
| ·函数优化示例 | 第130-133页 |
| ·仿真试验 | 第133-135页 |
| ·KMMEA在PID控制器参数优化中的应用 | 第135-138页 |
| ·试验对象模型 | 第135页 |
| ·基于等价类和粒计算的方法 | 第135-138页 |
| ·本章小结 | 第138-139页 |
| 本章参考文献 | 第139-142页 |
| 第5章 KMMEA算法求解多目标优化问题 | 第142-178页 |
| ·多目标优化与决策概述 | 第142-145页 |
| ·多目标优化的基本概念 | 第142-145页 |
| ·传统的多目标优化算法 | 第145页 |
| ·基于进化算法的多目标问题求解 | 第145-153页 |
| ·多目标进化算法概述 | 第146-147页 |
| ·MOEAs的典型策略 | 第147-153页 |
| ·基于优势关系的子空间划分 | 第153-164页 |
| ·信息系统中的优劣关系 | 第153-157页 |
| ·基于优势类的Pareto优势子空间划分 | 第157-164页 |
| ·基于知识的多智能体多目标思维进化算法 | 第164-170页 |
| ·算法描述 | 第164-166页 |
| ·趋同过程 | 第166-169页 |
| ·异化过程 | 第169-170页 |
| ·数值试验 | 第170-172页 |
| ·MOP-KMMEA在 PID控制器参数优化中的应用 | 第172-173页 |
| ·本章小结 | 第173-174页 |
| 本章参考文献 | 第174-178页 |
| 第6章 基于 KMMEA算法的优化计算 | 第178-210页 |
| ·KMMEA算法在 LFMCW雷达的调频特性优化中的应用 | 第178-199页 |
| ·雷达物位计工作原理 | 第178-181页 |
| ·调频非线性的影响及其校正方法 | 第181-185页 |
| ·线性调频雷达物位计硬件设计描述 | 第185-193页 |
| ·基于免疫思维进化算法的非线性校正 | 第193-197页 |
| ·基于 MOP—KMMEA算法的压控振荡器非线性校正 | 第197-199页 |
| ·基于多传感器融合技术的飞灰含碳量测量 | 第199-206页 |
| ·微波飞灰含碳量测量原理 | 第200-201页 |
| ·多传感器融合测量系统 | 第201-203页 |
| ·实验和结果分析 | 第203-206页 |
| ·本章小结 | 第206-207页 |
| 本章参考文献 | 第207-210页 |
| 第7章 结论与展望 | 第210-214页 |
| ·主要工作和创新 | 第210-211页 |
| ·进一步工作展望 | 第211-214页 |
| 致谢 | 第214-216页 |
| 攻读博士学位期间已发表和录用的学术论文 | 第216-218页 |
| 攻读博士学位期间的科研工作及成果 | 第218页 |
