运用种群多样性动态调整机制的粒子群优化算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·本文研究内容 | 第10-11页 |
| ·文章的组织结构 | 第11-12页 |
| 第2章 优化问题及群智能 | 第12-17页 |
| ·最优化问题 | 第12页 |
| ·优化算法 | 第12-13页 |
| ·群智能算法 | 第13-16页 |
| ·遗传算法(GA) | 第14页 |
| ·蚁群算法(ACO) | 第14-15页 |
| ·粒子群算法(PSO) | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第3章 粒子群优化算法及其多样性 | 第17-24页 |
| ·PSO 算法 | 第17-19页 |
| ·粒子群算法的改进 | 第19-20页 |
| ·PSO 的种群多样性 | 第20-23页 |
| ·种群多样性相关定义 | 第20-21页 |
| ·种群结构对多样性的影响 | 第21-22页 |
| ·学习策略与多样性分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第4章 动态调整种群多样性的改进粒子群算法 | 第24-36页 |
| ·进化学理论与社会结构 | 第24-26页 |
| ·综合进化学说与杂交理论 | 第24-25页 |
| ·多生态子群社会结构 | 第25-26页 |
| ·多样性动态调整机制 | 第26-33页 |
| ·动态学习策略 | 第26-29页 |
| ·动态差异融合策略 | 第29-33页 |
| ·种群衰落监控 | 第30-31页 |
| ·差异融合 | 第31-33页 |
| ·FIDEPSO 算法 | 第33-34页 |
| ·算法的收敛性 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 实验测试与分析 | 第36-54页 |
| ·函数性能测试 | 第36-45页 |
| ·测试函数 | 第36-39页 |
| ·参数设置 | 第39页 |
| ·实验对比与分析 | 第39-42页 |
| ·收敛性对比分析 | 第42-43页 |
| ·多样性对比分析 | 第43-45页 |
| ·物流问题中的实际应用 | 第45-53页 |
| ·问题的引入及其数学模型 | 第45-48页 |
| ·约束条件的处理 | 第48页 |
| ·路径编码 | 第48-49页 |
| ·FIDEPSO 算法求解 VRPSPD 问题 | 第49-50页 |
| ·实例分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-55页 |
| ·总结 | 第54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录 A 攻读硕士学位期间参与项目和学术论文发表 | 第59页 |
