| 摘要 | 第13-16页 |
| ABSTRACT | 第16-19页 |
| 第1章 绪论 | 第20-39页 |
| 1.1 研究背景及意义 | 第20-28页 |
| 1.1.1 最优化问题概念 | 第20-21页 |
| 1.1.2 最优化数学模型 | 第21-22页 |
| 1.1.3 最优化问题分类 | 第22-23页 |
| 1.1.4 优化问题复杂性 | 第23-24页 |
| 1.1.5 优化算法的分类 | 第24-26页 |
| 1.1.6 优化算法复杂性 | 第26-27页 |
| 1.1.7 无免费午餐定理 | 第27-28页 |
| 1.2 智能算法研究与发展 | 第28-36页 |
| 1.2.1 计算智能的概念 | 第28-30页 |
| 1.2.2 计算智能的发展 | 第30-32页 |
| 1.2.3 群智能优化算法 | 第32-36页 |
| 1.2.3.1 群智能优化概念 | 第32-33页 |
| 1.2.3.2 群智能算法分类 | 第33-34页 |
| 1.2.3.3 群智能特点和原则 | 第34-36页 |
| 1.3 本文研究内容与创新点 | 第36-38页 |
| 1.4 本文组织结构和章节安排 | 第38-39页 |
| 第2章 粒子群算法基本概念与原理 | 第39-62页 |
| 2.1 引言 | 第39-40页 |
| 2.2 粒子群算法原理 | 第40-45页 |
| 2.2.1 基本粒子群算法 | 第40-42页 |
| 2.2.2 标准粒子群算法 | 第42-43页 |
| 2.2.3 离散粒子群算法 | 第43-45页 |
| 2.3 粒子群算法研究状况 | 第45-61页 |
| 2.4 本章小结 | 第61-62页 |
| 第3章 粒子群算法收敛分析与仿真验证 | 第62-76页 |
| 3.1 引言 | 第62-63页 |
| 3.2 粒子群优化算法收敛性理论分析 | 第63-71页 |
| 3.2.1 粒子位置收敛性分析 | 第63-69页 |
| 3.2.2 粒子运动速度收敛性分析 | 第69-71页 |
| 3.3 基本粒子群算法的收敛性 | 第71-72页 |
| 3.4 缩放因子粒子群算法的收敛性 | 第72页 |
| 3.5 标准粒子群算法收敛实验仿真验证 | 第72-75页 |
| 3.6 本章小结 | 第75-76页 |
| 第4章 基于中心-离散学习的粒子群优化算法 | 第76-89页 |
| 4.1 引言 | 第76-77页 |
| 4.2 基于中心-离散学习的粒子群优化算法 | 第77-81页 |
| 4.2.1 中心学习 | 第77-78页 |
| 4.2.2 离散学习 | 第78-79页 |
| 4.2.3 协同优化模型 | 第79-81页 |
| 4.3 实验测试与结果分析 | 第81-88页 |
| 4.3.1 基准测试函数和实验参数 | 第81-82页 |
| 4.3.2 实验一:学习策略性能分析 | 第82-84页 |
| 4.3.3 实验二:算法实验结果比较和分析 | 第84-88页 |
| 4.4 本章小节 | 第88-89页 |
| 第5章 基于维度协同优化的粒子群优化算法 | 第89-127页 |
| 5.1 引言 | 第89-90页 |
| 5.2 粒子随机维度划分 | 第90-92页 |
| 5.2.1 随机维度划分模型 | 第90页 |
| 5.2.2 随机维度划分过程 | 第90-92页 |
| 5.3 粒子维度向量学习算子 | 第92-95页 |
| 5.3.1 中心学习算子 | 第93-94页 |
| 5.3.2 离散学习算子 | 第94-95页 |
| 5.4 粒子维度标量学习算子 | 第95-98页 |
| 5.4.1 增量学习算子 | 第95-96页 |
| 5.4.2 减量学习算子 | 第96页 |
| 5.4.3 增量-减量学习算子 | 第96-97页 |
| 5.4.4 减量-增量学习算子 | 第97-98页 |
| 5.5 学习算子随机分配 | 第98页 |
| 5.6 随机维度协同优化算法结构与流程 | 第98-100页 |
| 5.7 实验测试与分析 | 第100-126页 |
| 5.7.1 实验测试函数 | 第101-105页 |
| 5.7.2 实验一:维度学习与维度划分分析 | 第105-111页 |
| 5.7.2.1 维度学习算子性能分析 | 第105-108页 |
| 5.7.2.2 维度随机划分性能分析 | 第108-111页 |
| 5.7.3 实验二:算法综合性能实验测试与分析 | 第111-126页 |
| 5.7.3.1 算法实验参数设置 | 第111-113页 |
| 5.7.3.2 实验测试结果与分析 | 第113-125页 |
| 5.7.3.3 时间复杂度分析 | 第125页 |
| 5.7.3.4 分析与讨论 | 第125-126页 |
| 5.8 本章小结 | 第126-127页 |
| 第6章 差分进化算法原理与收敛性分析 | 第127-141页 |
| 6.1 引言 | 第127-128页 |
| 6.2 差分进化基本原理 | 第128-132页 |
| 6.2.1 种群初始化 | 第129页 |
| 6.2.2 变异操作 | 第129-131页 |
| 6.2.3 交叉操作 | 第131-132页 |
| 6.2.4 选择操作 | 第132页 |
| 6.3 差分进化算法收敛分析 | 第132-135页 |
| 6.4 差分进化算法改进 | 第135-140页 |
| 6.5 本章小结 | 第140-141页 |
| 第7章 基于混合协同优化的差分进化算法 | 第141-167页 |
| 7.1 引言 | 第141-142页 |
| 7.2 混合协同差分进化算法 | 第142-147页 |
| 7.2.1 混合变异策略 | 第142-144页 |
| 7.2.2 混合交叉策略 | 第144-145页 |
| 7.2.3 自适应参数机制 | 第145-146页 |
| 7.2.4 精英选择机制 | 第146-147页 |
| 7.3 实验测试与结果分析 | 第147-166页 |
| 7.3.1 基准测试函数 | 第147-150页 |
| 7.3.2 实验一:算法参数性能影响分析 | 第150-152页 |
| 7.3.2.1 参数Q性能影响测试 | 第150-151页 |
| 7.3.2.2 参数θ性能影响测试 | 第151-152页 |
| 7.3.3 实验二:算法与经典DE算法对比测试结果 | 第152-157页 |
| 7.3.4 实验三:算法与改进DE算法对比测试结果 | 第157-164页 |
| 7.3.5 算法搜索行为分析 | 第164-166页 |
| 7.4 本章小结 | 第166-167页 |
| 第8章 总结和展望 | 第167-170页 |
| 8.1 论文主要贡献 | 第167-168页 |
| 8.2 未来工作展望 | 第168-170页 |
| 参考文献 | 第170-198页 |
| 致谢 | 第198-199页 |
| 攻读学位期间发表的学术论文目录 | 第199页 |
| 攻读学位期间获得的学校奖励列表 | 第199-200页 |
| 外文论文 | 第200-286页 |
| 学位论文评阅及答辩情况表 | 第286页 |