| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 化学信息学简介 | 第11-12页 |
| 1.1.2 进化算法在化学信息学中的应用 | 第12-13页 |
| 1.1.3 基因表达数据 | 第13页 |
| 1.1.4 原子团簇 | 第13-14页 |
| 1.2 本文工作 | 第14-17页 |
| 1.2.1 本文的研究内容 | 第14-15页 |
| 1.2.2 本文的组织结构 | 第15-17页 |
| 第二章 进化算法 | 第17-29页 |
| 2.1 人工蜂群算法 | 第17-19页 |
| 2.1.1 人工蜂群算法的基本框架 | 第17-18页 |
| 2.1.2 人工蜂群算法的国内外现状 | 第18-19页 |
| 2.2 粒子群算法 | 第19-20页 |
| 2.2.1 粒子群算法的基本框架 | 第19-20页 |
| 2.2.2 粒子群算法的国内外现状 | 第20页 |
| 2.3 生物地理学算法 | 第20-25页 |
| 2.3.1 生物地理学算法的基本框架 | 第20-24页 |
| 2.3.2 生物地理学算法的国内外现状 | 第24-25页 |
| 2.4 微分进化算法 | 第25-28页 |
| 2.4.1 微分进化算法的基本框架 | 第25-28页 |
| 2.4.2 微分进化算法的国内外现状 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于多目标算法的基因表达数据特征选择问题的研究 | 第29-47页 |
| 3.1 引言 | 第29-30页 |
| 3.2 多目标离散生物地理学算法 | 第30-36页 |
| 3.2.1 离散生物地理学算法 | 第30-31页 |
| 3.2.2 多目标离散生物地理学算法 | 第31-33页 |
| 3.2.3 混合多目标离散生物地理学算法 | 第33-36页 |
| 3.2.4 算法的复杂度 | 第36页 |
| 3.3 实验结果及分析 | 第36-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于多目标离散微分进化算法的基因表达数据分析 | 第47-67页 |
| 4.1 引言 | 第47-48页 |
| 4.2 多目标离散微分进化算法 | 第48-55页 |
| 4.2.1 Fisher-Markov selector | 第49页 |
| 4.2.2 多目标离散微分进化算法 | 第49-54页 |
| 4.2.3 支持向量机 | 第54页 |
| 4.2.4 算法的复杂度 | 第54-55页 |
| 4.3 实验设置 | 第55页 |
| 4.4 实验讨论与分析 | 第55-66页 |
| 4.4.1 与单目标优化算法进行比较 | 第63-64页 |
| 4.4.2 与多目标优化算法NSGAII进行比较 | 第64-65页 |
| 4.4.3 Wilcoxon秩和检验 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 基于改进微分进化算法的原子团簇问题研究 | 第67-93页 |
| 5.1 引言 | 第67-69页 |
| 5.2 LJ团簇的势能模型 | 第69页 |
| 5.3 改进的微分进化算法 | 第69-75页 |
| 5.3.1 改进的变异机制 | 第69-71页 |
| 5.3.2 随机放缩因子 | 第71-72页 |
| 5.3.3 自适应的交叉因子 | 第72-73页 |
| 5.3.4 边界约束 | 第73-74页 |
| 5.3.5 自适应的改进差分进化算法 | 第74-75页 |
| 5.4 实验结果及分析 | 第75-92页 |
| 5.4.1 实验设置 | 第77-78页 |
| 5.4.2 不同的 ω 值的效果 | 第78-79页 |
| 5.4.3 在原子团簇问题上的比较试验 | 第79页 |
| 5.4.4 与不同参数的微分进化算法进行比较 | 第79-82页 |
| 5.4.5 比较MDE与其它微分进化算法 | 第82-85页 |
| 5.4.6 与其它进化算法进行比较 | 第85-87页 |
| 5.4.7 与EP算法进行比较 | 第87-89页 |
| 5.4.8 改进微分进化算法的参数验证 | 第89-92页 |
| 5.5 本章小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-95页 |
| 6.1 总结 | 第93页 |
| 6.2 展望 | 第93-95页 |
| 参考文献 | 第95-106页 |
| 致谢 | 第106-107页 |
| 在学期间公开发表论文及著作情况 | 第107-109页 |
