基于云模型的粒编码遗传算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 图目录 | 第11-13页 |
| 表目录 | 第13-14页 |
| 第1章 绪论 | 第14-24页 |
| ·引言 | 第14-16页 |
| ·遗传算法 | 第16-20页 |
| ·遗传算法概述 | 第16-17页 |
| ·遗传算法的研究现状 | 第17-19页 |
| ·粒编码遗传算法与上述算法的对比研究 | 第19-20页 |
| ·研究背景和意义 | 第20-21页 |
| ·研究背景 | 第20-21页 |
| ·研究意义 | 第21页 |
| ·本文的主要工作和结构安排 | 第21-24页 |
| 第2章 相关基本概念 | 第24-30页 |
| ·数值优化问题 | 第24页 |
| ·云模型 | 第24-27页 |
| ·云的定义 | 第24页 |
| ·云的数字特征和一维正态云发生器算法 | 第24-26页 |
| ·3En规则 | 第26页 |
| ·云的采样特性 | 第26页 |
| ·云模型在进化算法中的应用 | 第26-27页 |
| ·粒 | 第27页 |
| ·采样密度 | 第27-28页 |
| ·空间覆盖度 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于云模型的粒编码遗传算法(GCGA) | 第30-40页 |
| ·粒编码个体 | 第30-32页 |
| ·粒编码方式 | 第30页 |
| ·粒编码个体 | 第30页 |
| ·粒编码个体与传统二进制编码个体的对比 | 第30-31页 |
| ·粒编码个体的评价 | 第31-32页 |
| ·粒信息保存策略和(Ex、En、He)的赋值 | 第32-35页 |
| ·粒信息保存策略 | 第32-34页 |
| ·(Ex、En、He)的赋值 | 第34-35页 |
| ·GCGA的演化机制 | 第35-38页 |
| ·种群初始化 | 第35-36页 |
| ·交叉算子 | 第36页 |
| ·变异算子 | 第36-37页 |
| ·定向种群 | 第37页 |
| ·邻域搜索算子 | 第37-38页 |
| ·GCGA算法流程 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第4章 算法性能测试 | 第40-68页 |
| ·传统GA优化性能测试 | 第40-41页 |
| ·算法搜索性能测试 | 第41-48页 |
| ·GCGA在低维函数优化问题中的应用 | 第48-53页 |
| ·测试函数 | 第48-50页 |
| ·参数设置 | 第50页 |
| ·实验结果 | 第50-53页 |
| ·参数对GCGA优化性能的影响 | 第53-58页 |
| ·参数N对GCGA优化性能的影响 | 第54-55页 |
| ·参数η对GCGA优化性能的影响 | 第55-56页 |
| ·参数ρ对GCGA优化性能的影响 | 第56-58页 |
| ·GCGA在高维函数优化问题中的应用 | 第58-66页 |
| ·测试函数 | 第58-61页 |
| ·参数设置 | 第61页 |
| ·实验结果 | 第61-66页 |
| ·小结 | 第66-68页 |
| 第5章 GCGA在PID参数优化中的应用 | 第68-76页 |
| ·PID控制器 | 第68-70页 |
| ·PID控制的基本原理 | 第68-69页 |
| ·比例、积分、微分环节对控制效果的影响 | 第69-70页 |
| ·控制系统的性能评价指标 | 第70页 |
| ·GCGA对PID参数的优化 | 第70-72页 |
| ·基于GCGA的PID控制系统参数优化的原理 | 第70-71页 |
| ·GCGA优化PID参数的算法流程 | 第71-72页 |
| ·GCGA优化PID参数仿真实验 | 第72-74页 |
| ·小结 | 第74-76页 |
| 第6章 总结和展望 | 第76-78页 |
| ·本文工作总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士学位期间发表的论文 | 第86页 |
