遗传算法与粒子群优化算法的改进及应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-38页 |
| ·遗传算法 | 第15-29页 |
| ·遗传算法的生物进学基础 | 第15-16页 |
| ·遗传算法的基本原理 | 第16-25页 |
| ·遗传算法的理论研究概况 | 第25-28页 |
| ·遗传算法的应用研究概况 | 第28-29页 |
| ·粒子群优化算法 | 第29-37页 |
| ·粒子群优化算法的生物学基础 | 第30-31页 |
| ·粒子群优化算法的基本原理 | 第31-33页 |
| ·粒子群优化算法的理论研究概况 | 第33-36页 |
| ·粒子群优化算法的应用研究概况 | 第36-37页 |
| ·本文内容安排 | 第37-38页 |
| 2 求解约束优化问题的进化算法 | 第38-60页 |
| ·线性进化算法 | 第38-49页 |
| ·引言 | 第38页 |
| ·多目标优化的基本概念 | 第38-39页 |
| ·线性适应度函数 | 第39-41页 |
| ·密度交叉算子与变异算子 | 第41-42页 |
| ·Pareto set的聚类描述 | 第42-43页 |
| ·算法流程 | 第43页 |
| ·收敛性及复杂度分析 | 第43-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·一种改进的求解多目标优化问题的进化算法 | 第49-59页 |
| ·引言 | 第49页 |
| ·近邻函数准则 | 第49-51页 |
| ·基于Pareto原理的进化算法 | 第51-52页 |
| ·算法的计算复杂度分析 | 第52-53页 |
| ·实验结果及分析 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 3 求解非线性规划问题的遗传算法 | 第60-79页 |
| ·一种求解非线性规划问题的改进遗传算法 | 第60-68页 |
| ·引言 | 第60页 |
| ·新颖的选择策略 | 第60-63页 |
| ·局部搜索过程 | 第63页 |
| ·算法流程 | 第63-64页 |
| ·实验结果及分析 | 第64-68页 |
| ·基于遗传算法的最小交叉熵阈值选择方法 | 第68-78页 |
| ·引言 | 第68-69页 |
| ·图像分割的研究内容 | 第69-70页 |
| ·最小交叉熵阈值化方法 | 第70页 |
| ·本文算法描述 | 第70-73页 |
| ·实验结果及分析 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 4 双中心粒子群优化算法 | 第79-89页 |
| ·引言 | 第79-80页 |
| ·个体极值的更新 | 第80-81页 |
| ·全局极值的更新 | 第81-82页 |
| ·算法流程 | 第82-84页 |
| ·实验结果及分析 | 第84-88页 |
| ·本章小结 | 第88-89页 |
| 5 一种求解多目标优化问题的改进微分进化算法 | 第89-95页 |
| ·引言 | 第89页 |
| ·微分进化 | 第89-90页 |
| ·基于Pareto的改进微分进化算法 | 第90-92页 |
| ·相关的基本定义 | 第90-91页 |
| ·算法的选择过程 | 第91页 |
| ·变异和交叉操作 | 第91-92页 |
| ·多样性维护 | 第92页 |
| ·算法流程 | 第92页 |
| ·实验结果及分析 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 6 结论与展望 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-111页 |
| 附录 | 第111-112页 |
