改进人工鱼群智能优化算法及其应用研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| Extended Abstract | 第9-22页 |
| 1 绪论 | 第22-37页 |
| 1.1 优化问题 | 第22-24页 |
| 1.2 计算智能 | 第24-26页 |
| 1.3 群体智能 | 第26-31页 |
| 1.4 课题背景与研究现状 | 第31-33页 |
| 1.5 本文主要研究方法 | 第33-35页 |
| 1.6 本文结构 | 第35-36页 |
| 1.7 本章小结 | 第36-37页 |
| 2 人工鱼群算法研究基础 | 第37-53页 |
| 2.1 人工鱼群算法的基本原理 | 第37-41页 |
| 2.2 人工鱼群算法参数分析 | 第41-46页 |
| 2.3 人工鱼群算法参数设置一般原则 | 第46-47页 |
| 2.4 人工鱼群算法的统一框架理论 | 第47-50页 |
| 2.5 基于统一框架的鱼群算法收敛性分析 | 第50-52页 |
| 2.6 本章小结 | 第52-53页 |
| 3 基于分段自适应函数的人工鱼群算法 | 第53-73页 |
| 3.1 人工鱼视野和步长改进的背景 | 第53-58页 |
| 3.2 分段自适应函数设计要求 | 第58-60页 |
| 3.3 幂函数型衰减函数 | 第60-61页 |
| 3.4 线性函数型衰减函数 | 第61-63页 |
| 3.5 指数函数型衰减函数 | 第63-64页 |
| 3.6 分段自适应鱼群算法流程与步骤 | 第64-65页 |
| 3.7 实验研究 | 第65-71页 |
| 3.8 算法分析 | 第71页 |
| 3.9 本章小结 | 第71-73页 |
| 4 基于进化策略的人工鱼群算法 | 第73-92页 |
| 4.1 进化鱼群算法的背景 | 第73-75页 |
| 4.2 人工鱼个体进化方式 | 第75-77页 |
| 4.3 基于淘汰与克隆机制的鱼群算法 | 第77-84页 |
| 4.4 基于有性生殖的鱼群算法 | 第84-90页 |
| 4.5 本章小结 | 第90-92页 |
| 5 混合人工鱼群算法研究 | 第92-113页 |
| 5.1 研究概况 | 第92-93页 |
| 5.2 含有跳跃行为的鱼群算法 | 第93-96页 |
| 5.3 带有淘汰与克隆机制的分段自适应鱼群算法 | 第96-102页 |
| 5.4 基于有性生殖的分段自适应鱼群算法 | 第102-106页 |
| 5.5 基于粒子群算法的混合鱼群算法 | 第106-111页 |
| 5.6 本章小结 | 第111-113页 |
| 6 基于人工鱼群算法的路径规划研究 | 第113-124页 |
| 6.1 研究背景 | 第113页 |
| 6.2 危险点确定的路径规划 | 第113-119页 |
| 6.3 含有不确定危险点的路径规划 | 第119-123页 |
| 6.4 本章小结 | 第123-124页 |
| 7 总结与展望 | 第124-127页 |
| 7.1 本文总结 | 第124-126页 |
| 7.2 今后研究展望 | 第126-127页 |
| 参考文献 | 第127-140页 |
| 作者简历 | 第140-143页 |
| 学位论文数据集 | 第143页 |
