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

多阶段自适应差分进化算法及应用研究

摘要第1-7页
Abstract第7-9页
目录第9-12页
图目录第12-13页
表目录第13-14页
第1章 绪论第14-34页
   ·研究背景及意义第14-15页
   ·标准差分进化算法第15-19页
     ·差分算法介绍第15-16页
     ·算法处理基本步骤第16-19页
     ·控制参数对算法性能影响第19页
   ·差分进化算法研究进展第19-31页
     ·DE算法的数学模型及理论研究第20页
     ·DE算法的改进研究第20-28页
     ·离散差分进化算法第28-29页
     ·差分进化算法应用领域第29-31页
   ·主要研究内容及创新点第31-32页
   ·论文的组织结构第32-34页
第2章 阶段波动差分进化算法第34-52页
   ·差分进化算法研究背景第34-35页
   ·经典自适应差分进化算法第35-36页
   ·阶段波动DE算法(SWDE)第36-39页
     ·变异策略第36-37页
     ·参数自适应控制第37页
     ·SWDE算法及时间复杂度讨论第37-39页
     ·算法收敛性分析第39页
   ·实验与分析第39-50页
     ·Benchmark和Dixon-Szego函数第40-42页
     ·变异策略比较第42-43页
     ·种群敏感性试验第43-44页
     ·种群多样性及速度试验第44页
     ·30维Benchmark问题实验及分析第44-47页
     ·低维Dixon-Szego函数实验及分析第47-48页
     ·SWDE参数分析第48-50页
   ·本章小结第50-52页
第3章 两段交叉差分进化算法第52-70页
   ·引言第52页
   ·两段交义DE算法(TCDE)第52-54页
     ·变异策略第53页
     ·参数自适应控制第53页
     ·TCDE算法及时间复杂度讨论第53-54页
   ·实验与分析第54-64页
     ·Benchmark and Dixon-Szego第55页
     ·种群多样性及速度试验第55-57页
     ·30维Benchmark问题实验及分析第57-58页
     ·100维函数实验及分析第58-60页
     ·全局收敛实验比较分析第60-61页
     ·低维Dixon-Szego函数实验及分析第61-63页
     ·TCDE参数分析第63-64页
   ·算法在运输问题中应用第64-69页
     ·平衡运输问题模型第64-65页
     ·种群初始方案第65-66页
     ·案例仿真试验第66-69页
   ·结论第69-70页
第4章 多阶段差分进化算法求解约束优化问题第70-84页
   ·引言第70页
   ·约束优化问题定义第70-71页
   ·约束处理和目标函数偏好策略第71-72页
   ·多阶段差分约束优化第72-74页
   ·实验与分析第74-81页
     ·测试函数与性能衡量第74-75页
     ·不同的约束处理机制比较分析第75-78页
     ·大种群对多阶段算法的性能影响及分析第78-80页
     ·不同约束优化进化算法性能比较第80-81页
   ·在二次规划问题中的应用第81-83页
   ·本章小结第83-84页
第5章 多阶段差分算法在Blocking流水车间调度问题中的应用第84-94页
   ·引言第84-85页
   ·Blocking水车间调度问题第85-87页
     ·Blocking水车间问题定义第85-87页
     ·可阻塞流水车间调度图形描述第87页
   ·离散阶段自适应差分进化第87-91页
     ·编码选择第87页
     ·基于工件排序的变异策略第87-89页
     ·基于工件排序的交叉操作第89页
     ·种群初始策略第89-90页
     ·插入编码评价策略第90页
     ·离散多阶段差分进化算法第90-91页
   ·仿真实验及分析第91-93页
     ·实验设置第91页
     ·实验与分析第91-93页
   ·本章小结第93-94页
第6章 多阶段差分聚类及Deep Web中的应用第94-108页
   ·引言第94-96页
     ·文档聚类的相关背景第94-95页
     ·文档聚类方法第95-96页
   ·改进差分聚类第96-99页
     ·问题定义第96-97页
     ·差分染色体编码第97页
     ·适应度函数第97-99页
     ·算法实现第99页
   ·数值试验及分析第99-101页
     ·数据集选择及实验设置第99-100页
     ·实验及分析第100-101页
   ·Deep Web中聚类应用及分析第101-105页
     ·问题提出第101-102页
     ·形式化说明第102-103页
     ·数据预处理第103-105页
   ·实验及结果分析第105-106页
     ·降维处理策略第105页
     ·聚类结果分析第105-106页
   ·本章小结第106-108页
第7章 总结与展望第108-110页
   ·总结第108-109页
   ·展望第109-110页
参考文献第110-120页
攻读博士学位期间科研情况第120-122页
致谢第122页

论文共122页,点击 下载论文
上一篇:创意产业融合成长的动力机制及其自组织创新模式研究
下一篇:基于分布式水文模型的流域水循环及面源伴生过程模拟研究与应用