布谷鸟搜索及其在双聚类分析的应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 双聚类研究现状 | 第16-18页 |
| 1.3 论文主要工作 | 第18-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 相关算法和知识介绍 | 第21-50页 |
| 2.1 元启发式算法 | 第21-39页 |
| 2.1.1 蚁群算法 | 第21-24页 |
| 2.1.2 人工蜂群算法 | 第24-26页 |
| 2.1.3 人工免疫系统 | 第26-28页 |
| 2.1.4 布谷鸟搜索算法 | 第28-30页 |
| 2.1.5 差分进化算法 | 第30-31页 |
| 2.1.6 遗传算法 | 第31-33页 |
| 2.1.7 粒子群算法 | 第33-34页 |
| 2.1.8 分散搜索算法 | 第34-36页 |
| 2.1.9 模拟退火算法 | 第36-38页 |
| 2.1.10 禁忌搜索算法 | 第38-39页 |
| 2.2 函数优化问题 | 第39-46页 |
| 2.3 双聚类分析 | 第46-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第三章 基于布谷鸟搜索的函数优化分析 | 第50-95页 |
| 3.1 基于布谷鸟搜索算法的函数优化分析 | 第50-52页 |
| 3.2 基于自适应布谷鸟搜索算法的函数优化分析 | 第52-58页 |
| 3.3 仿真实验分析与比较 | 第58-94页 |
| 3.4 本章小结 | 第94-95页 |
| 第四章 基于布谷鸟搜索的双聚类分析 | 第95-105页 |
| 4.1 基于布谷鸟搜索算法的双聚类分析 | 第95-98页 |
| 4.2 基于改进布谷鸟搜索算法的双聚类分析 | 第98-99页 |
| 4.3 仿真实验分析与比较 | 第99-104页 |
| 4.4 本章小结 | 第104-105页 |
| 第五章 结论 | 第105-107页 |
| 5.1 论文工作总结 | 第105-106页 |
| 5.2 后续工作展望 | 第106-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-112页 |
