| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-39页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 几种典型启发式优化算法的研究现状 | 第15-36页 |
| 1.2.1 差分进化算法 | 第16-24页 |
| 1.2.2 粒子群优化算法 | 第24-32页 |
| 1.2.3 和声搜索算法 | 第32-36页 |
| 1.3 本文主要工作 | 第36-39页 |
| 第2章 和声搜索算法在0-1背包问题中的应用 | 第39-77页 |
| 2.1 0-1背包问题及其研究现状 | 第39-40页 |
| 2.2 基本和声搜索算法 | 第40-43页 |
| 2.3 求解0-1优化问题的典型改进和声搜索算法 | 第43-46页 |
| 2.3.1 二进制编码的和声搜索算法 | 第43-44页 |
| 2.3.2 离散二进制和声搜索算法 | 第44-45页 |
| 2.3.3 新颖和声搜索算法 | 第45-46页 |
| 2.3.4 自适应二进制和声搜索算法 | 第46页 |
| 2.4 简化二进制和声搜索算法(SBHS) | 第46-52页 |
| 2.4.1 新的和声创作模式 | 第47-48页 |
| 2.4.2 用于修复不可行解的两阶段贪婪策略 | 第48-50页 |
| 2.4.3 参数的自适应调整策略 | 第50-51页 |
| 2.4.4 SBHS算法的具体流程 | 第51-52页 |
| 2.5 实验结果与分析 | 第52-75页 |
| 2.5.1 实验设计 | 第52-53页 |
| 2.5.2 在低维0-1背包问题上的对比实验 | 第53-59页 |
| 2.5.3 在高维0-1背包问题上的对比实验 | 第59-66页 |
| 2.5.4 鲁棒性及收敛性分析 | 第66-75页 |
| 2.6 本章小结 | 第75-77页 |
| 第3章 和声搜索在多维0-1背包问题中的应用 | 第77-107页 |
| 3.1 多维0-1背包问题(MKP) | 第77-78页 |
| 3.2 MKP问题的研究现状 | 第78-80页 |
| 3.3 求解MKP问题的新二进制和声搜索算法(NBHS) | 第80-89页 |
| 3.3.1 和声的编码方法 | 第80页 |
| 3.3.2 新颖的基于概率分布的和声记忆库考虑策略 | 第80-82页 |
| 3.3.3 无参数的新颖音调微调策略 | 第82-83页 |
| 3.3.4 基于新启发式信息的不可行解修复策略 | 第83-87页 |
| 3.3.5 参数的自适应调整策略 | 第87-88页 |
| 3.3.6 所提NBHS算法的工作流程 | 第88-89页 |
| 3.4 实验结果与对比分析 | 第89-105页 |
| 3.4.1 参数对NBHS算法性能的影响 | 第89-92页 |
| 3.4.2 NBHS算法与QIHS算法的性能比较 | 第92-93页 |
| 3.4.3 NBHS算法与其他算法在测试集1上的性能比较 | 第93-99页 |
| 3.4.4 NBHS算法与HEDA算法在测试集2上的进一步比较 | 第99-101页 |
| 3.4.5 算法复杂度分析与讨论 | 第101-105页 |
| 3.5 本章小结 | 第105-107页 |
| 第4章 粒子群优化算法在整数规划中的应用 | 第107-135页 |
| 4.1 引言 | 第107-111页 |
| 4.2 冗余策略可选择的冗余分配问题 | 第111-115页 |
| 4.2.1 建模前的一些假设 | 第111-112页 |
| 4.2.2 建模中用到的符号 | 第112-113页 |
| 4.2.3 系统可靠性模型 | 第113-114页 |
| 4.2.4 系统可靠性的近似计算 | 第114-115页 |
| 4.3 基本粒子群优化算法 | 第115-116页 |
| 4.4 简化粒子群优化算法(SPSO) | 第116-118页 |
| 4.4.1 解的编码方法 | 第116页 |
| 4.4.2 约束处理和目标函数 | 第116页 |
| 4.4.3 新的动态随机拓扑结构 | 第116-117页 |
| 4.4.4 新的粒子运动方程 | 第117-118页 |
| 4.5 对比实验与分析 | 第118-133页 |
| 4.5.1 SPSO算法的参数分析 | 第119-120页 |
| 4.5.2 SPSO算法与现有RAP-MSC求解算法的对比 | 第120-127页 |
| 4.5.3 SPSO算法与其他PSO算法的对比 | 第127-133页 |
| 4.6 本章小结 | 第133-135页 |
| 第5章 差分进化算法在约束优化问题中的应用 | 第135-159页 |
| 5.1 引言 | 第135-136页 |
| 5.2 常用的约束处理方法 | 第136-137页 |
| 5.2.1 罚函数法 | 第136-137页 |
| 5.2.2 多目标转化法 | 第137页 |
| 5.2.3 非典型方法 | 第137页 |
| 5.3 基于预测的约束处理方法 | 第137-141页 |
| 5.3.1 基本思想 | 第137-138页 |
| 5.3.2 约束的预测与处理 | 第138-141页 |
| 5.4 基本差分进化算法 | 第141-143页 |
| 5.5 基于约束预测的自适应分组差分进化算法(AGDE) | 第143-145页 |
| 5.5.1 种群的聚类与新变异算子的提出 | 第143页 |
| 5.5.2 参数的选择与自适应调整 | 第143-144页 |
| 5.5.3 算法流程 | 第144-145页 |
| 5.6 实验结果及分析 | 第145-158页 |
| 5.6.1 与现有DE算法在无约束优化问题上的比较 | 第145-150页 |
| 5.6.2 与其他算法在无约束优化问题上的比较 | 第150-152页 |
| 5.6.3 约束预测方法与罚函数法在约束优化问题上的比较 | 第152-156页 |
| 5.6.4 AGDE算法与其他算法在约束优化问题上的比较 | 第156-158页 |
| 5.7 本章小结 | 第158-159页 |
| 第6章 结论与展望 | 第159-163页 |
| 6.1 结论 | 第159-160页 |
| 6.2 展望 | 第160-163页 |
| 参考文献 | 第163-183页 |
| 致谢 | 第183-185页 |
| 攻读学位期间发表的论著及获奖情况 | 第185页 |
