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 |