摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第12-26页 |
1.1 课题研究背景与意义 | 第12-13页 |
1.2 启发式算法的研究现状 | 第13-16页 |
1.3 萤火虫算法的研究与应用 | 第16-21页 |
1.3.1 理论研究进展 | 第17-20页 |
1.3.2 应用研究进展 | 第20-21页 |
1.4 系统辨识研究概况 | 第21-25页 |
1.4.1 系统辨识的基本方法 | 第22页 |
1.4.2 动力学系统的辨识 | 第22-23页 |
1.4.3 船舶参数辨识的国内外研究现状 | 第23-25页 |
1.5 本文主要研究内容 | 第25-26页 |
第2章 萤火虫算法及其基础理论 | 第26-54页 |
2.1 智能优化算法 | 第26-32页 |
2.1.1 模拟退火算法 | 第26-28页 |
2.1.2 差分进化算法 | 第28-30页 |
2.1.3 粒子群算法 | 第30-32页 |
2.2 萤火虫算法原理 | 第32-35页 |
2.2.1 萤火虫算法仿生学原理 | 第32-33页 |
2.2.2 萤火虫算法的数学模型 | 第33-35页 |
2.3 萤火虫算法参数选取策略研究 | 第35-51页 |
2.3.1 光吸收系数γ对算法性能的影响 | 第37-45页 |
2.3.2 最大吸引力β_0对算法性能的影响 | 第45-46页 |
2.3.3 随机项系数α对算法性能的影响 | 第46-51页 |
2.4 萤火虫算法性能分析 | 第51-53页 |
2.4.1 萤火虫算法的时间复杂性分析 | 第51-52页 |
2.4.2 萤火虫算法的有效性分析 | 第52-53页 |
2.5 本章小结 | 第53-54页 |
第3章 萤火虫算法中随机机制的研究 | 第54-97页 |
3.1 优化问题及其准则 | 第54-57页 |
3.1.1 优化问题 | 第54-56页 |
3.1.2 优化准则 | 第56页 |
3.1.3 优化算法的本质 | 第56-57页 |
3.2 基本测试函数 | 第57-66页 |
3.2.1 单模测试函数 | 第58-62页 |
3.2.2 多模测试函数 | 第62-66页 |
3.3 无免费午餐定理 | 第66-68页 |
3.4 基于Lévy飞行的改进萤火虫算法 | 第68-79页 |
3.4.1 Lévy稳定性分布 | 第69-73页 |
3.4.2 Lévy飞行理论 | 第73-76页 |
3.4.3 基于Lévy飞行的改进萤火虫算法及其仿真实验 | 第76-79页 |
3.5 基于随机分布策略的改进萤火虫算法 | 第79-96页 |
3.5.1 典型的随机分布函数 | 第79-83页 |
3.5.2 改进萤火虫算法及其仿真实验 | 第83-90页 |
3.5.3 改进萤火虫算法与其他算法间的性能比较 | 第90-96页 |
3.6 本章小结 | 第96-97页 |
第4章 萤火虫算法中全局探测与局部挖掘的平衡 | 第97-123页 |
4.1 全局探测与局部挖掘的平衡 | 第97-98页 |
4.2 基于萤火虫算法的多算法融合 | 第98-109页 |
4.2.1 算法融合模式的分类 | 第98-100页 |
4.2.2 萤火虫算法与差分进化算法的融合 | 第100-109页 |
4.3 基于参数自适应调节的改进萤火虫算法 | 第109-122页 |
4.3.1 算法理论分析 | 第109-110页 |
4.3.2 数值实验 | 第110-119页 |
4.3.3 算法间性能比较 | 第119-121页 |
4.3.4 结论 | 第121-122页 |
4.4 本章小结 | 第122-123页 |
第5章 改进萤火虫算法在船舶纵向参数辨识中的应用 | 第123-152页 |
5.1 船舶纵向运动建模 | 第123-128页 |
5.1.1 纵向运动微分方程的建立 | 第124-126页 |
5.1.2 纵向运动离散状态空间模型 | 第126-128页 |
5.2 基于改进萤火虫算法的船舶纵向运动参数辨识方法 | 第128-139页 |
5.2.1 辨识输入参数设计 | 第128-136页 |
5.2.2 辨识方法设计 | 第136-139页 |
5.3 仿真实验及结果分析 | 第139-150页 |
5.3.1 舵扰动下纵向运动参数辨识 | 第141-144页 |
5.3.2 海浪扰动下纵向参数辨识 | 第144-150页 |
5.4 算法性能对比 | 第150-151页 |
5.5 本章小结 | 第151-152页 |
结论 | 第152-155页 |
参考文献 | 第155-172页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第172-173页 |
致谢 | 第173-174页 |