摘要 | 第1-4页 |
Abstract | 第4-8页 |
第1章 绪论 | 第8-14页 |
·研究背景与研究意义 | 第8页 |
·国内外研究现状 | 第8-11页 |
·研究内容 | 第11-12页 |
·论文结构 | 第12-14页 |
第2章 几种重要的智能优化算法介绍 | 第14-22页 |
·引言 | 第14页 |
·遗传算法 | 第14-15页 |
·蚁群算法 | 第15-16页 |
·粒子群算法 | 第16-17页 |
·人工免疫算法 | 第17-18页 |
·人工鱼群算法 | 第18-19页 |
·人工蜂群算法 | 第19-22页 |
第3章 蜂群算法收敛性的数学证明 | 第22-26页 |
·引言 | 第22页 |
·算法的数学描述 | 第22页 |
·算法收敛性证明所需的数学知识 | 第22-23页 |
·算法收敛性证明 | 第23-24页 |
·小结 | 第24-26页 |
第4章 改进的人工蜂群算法求解函数优化问题 | 第26-40页 |
·引言 | 第26页 |
·改进的蜂群算法的模型的建立 | 第26-30页 |
·实验以及实验结果的分析 | 第30-39页 |
·小结 | 第39-40页 |
第5章 人工蜂群算法和粒子群算法求解TSP问题对比分析 | 第40-48页 |
·引言 | 第40页 |
·人工蜂群算法求解TSP问题 | 第40-42页 |
·模型的建立 | 第40-41页 |
·仿真实验及结果分析 | 第41-42页 |
·粒子群算法求解TSP问题 | 第42-46页 |
·模型的建立 | 第42-44页 |
·仿真实验及结果分析 | 第44-46页 |
·小结 | 第46-48页 |
第6章 人工蜂群算法求解UCI数据集聚类问题 | 第48-56页 |
·引言 | 第48-49页 |
·现有聚类方法的介绍 | 第49-51页 |
·求解模型的建立 | 第51-52页 |
·人工蜂群聚类仿真结果及其分析 | 第52-55页 |
·小结 | 第55-56页 |
第7章 总结与展望 | 第56-58页 |
·人工蜂群算法与其他群智能算法共同点的分析 | 第56页 |
·人工蜂群算法与其他重要群智能算法优缺点对比分析 | 第56-57页 |
·未来研究的展望 | 第57-58页 |
参考文献 | 第58-62页 |
致谢 | 第62-64页 |
攻读硕士学位期间的科研成果 | 第64页 |