融合热运动机制的粒子群优化算法研究及其应用
摘要 | 第1-7页 |
Abstract | 第7-12页 |
第1章 绪论 | 第12-27页 |
·智能与智能科学 | 第12-13页 |
·人工智能 | 第13-14页 |
·计算智能 | 第14-18页 |
·演化计算 | 第15-16页 |
·模拟退火算法 | 第16-17页 |
·禁忌搜索 | 第17-18页 |
·免疫算法 | 第18页 |
·群智能 | 第18-25页 |
·粒子群优化算法 | 第19-22页 |
·蚁群算法 | 第22-24页 |
·鱼群算法 | 第24页 |
·其他群智能算法 | 第24-25页 |
·论文的主要工作和结构安排 | 第25-27页 |
第2章 粒子群优化算法研究现状 | 第27-46页 |
·粒子群优化算法原理与流程 | 第27-33页 |
·粒子优化算法的思想起源 | 第27-29页 |
·粒子群优化算法的发展 | 第29-33页 |
·粒子群优化算法的理论分析 | 第33-36页 |
·粒子群优化算法的种群结构 | 第36-39页 |
·静态邻域拓扑结构研究 | 第36-38页 |
·动态邻域拓扑结构研究 | 第38-39页 |
·粒子群优化算法的参数选择及优化 | 第39-41页 |
·粒子群优化算法与其它思想的融合 | 第41-43页 |
·粒子优化算法的应用研究 | 第43-46页 |
第3章 基于分子运动论的粒子群优化算法 | 第46-64页 |
·分子动理论的发展过程 | 第46-47页 |
·改进的粒子群算法 | 第47-50页 |
·实验仿真与结果分析 | 第50-56页 |
·吸引和排斥阶段的行为分析 | 第56-60页 |
·吸引和排斥的比例变化 | 第56-58页 |
·粒子到群质心距离最大、最小和平均值的变化曲线 | 第58-60页 |
·MPSO算法的参数选取及优化 | 第60-62页 |
·正交试验设计 | 第60-61页 |
·基于正交设计的参数选择和优化 | 第61-62页 |
·小结 | 第62-64页 |
第4章 基于伊藤过程的粒子群优化算法 | 第64-82页 |
·伊藤过程 | 第64-65页 |
·伊藤算法 | 第65-68页 |
·伊藤过程的抽象 | 第65-66页 |
·伊藤算法的框架及关键算子的设计 | 第66-68页 |
·基于伊藤过程的粒子群优化算法 | 第68-81页 |
·具有漂移算子的粒子群优化算法 | 第68-70页 |
·IPSO1算法的初步实验 | 第70-72页 |
·具有漂移和波动算子的粒子群优化算法 | 第72-74页 |
·基于热力学选择机制的漂移粒子群优化算法 | 第74-77页 |
·实验仿真与结果分析 | 第77-81页 |
·小结 | 第81-82页 |
第5章 基于扩散机制的双种群粒子群优化算法 | 第82-91页 |
·扩散现象 | 第82-83页 |
·扩散定律及扩散系数 | 第83-84页 |
·融合扩散机制的双种群粒子群优化算法(DPSO) | 第84-87页 |
·相关工作 | 第84-85页 |
·DPSO算法的思想和流程 | 第85-87页 |
·实验结果及分析 | 第87-90页 |
·小结 | 第90-91页 |
第6章 基于粒子群优化算法的非线性模型参数估计 | 第91-113页 |
·参数估计 | 第91-93页 |
·非线性模型 | 第93-94页 |
·渐近回归模型 | 第93页 |
·Logistic模型 | 第93-94页 |
·非线性模型的参数估计 | 第94-112页 |
·真实数据 | 第95-101页 |
·随机采样数据 | 第101-112页 |
·小结 | 第112-113页 |
第7章 基于策略模式的粒子群优化算法平台设计 | 第113-122页 |
·设计模式 | 第113-114页 |
·策略模式 | 第114-117页 |
·算法平台设计与实现 | 第117-121页 |
·算法平台设计 | 第117-118页 |
·算法平台实现 | 第118-119页 |
·算法平台演示 | 第119-121页 |
·小结 | 第121-122页 |
第8章 总结与展望 | 第122-126页 |
·总结 | 第122-124页 |
·主要研究成果及创新 | 第122-123页 |
·借鉴不同热运动机制的PSO算法对比分析 | 第123-124页 |
·未来工作展望 | 第124-126页 |
参考文献 | 第126-136页 |
附录1:攻读博士学位期间发表的学术论文 | 第136-137页 |
附录2:攻读博士学位期间参与的科研项目 | 第137-138页 |
致谢 | 第138-139页 |