布谷鸟优化算法改进及与粒子群算法融合研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| Content | 第8-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景及选题意义 | 第10-11页 |
| ·智能优化算法的概况 | 第11-12页 |
| ·几种常见的智能优化算法 | 第12-17页 |
| ·模拟退火算法 | 第12-13页 |
| ·遗传算法 | 第13-14页 |
| ·蚁群算法 | 第14-16页 |
| ·萤火虫算法 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的内容安排及组织结构 | 第18-19页 |
| 2．布谷鸟优化算法及其改进算法简介 | 第19-24页 |
| ·标准的布谷鸟优化算法 | 第19-20页 |
| ·改进的布谷鸟优化算法 | 第20-23页 |
| ·自适应步长的布谷鸟搜索算法 | 第20-21页 |
| ·二进制布谷鸟搜索算法 | 第21-22页 |
| ·基于共轭梯度的布谷鸟搜索算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3.一种新的自适应布谷鸟搜索算法 | 第24-35页 |
| ·算法的思想 | 第24-26页 |
| ·算法的流程 | 第26-27页 |
| ·算法的实验结果与分析 | 第27-34页 |
| ·本章小结 | 第34-35页 |
| 4.引入莱维飞行的粒子群优化算法 | 第35-43页 |
| ·粒子群算法的简介 | 第35页 |
| ·莱维飞行的简介 | 第35-36页 |
| ·引入莱维飞行的粒子群优化算法 | 第36-42页 |
| ·算法的步骤 | 第37页 |
| ·实验结果的比较 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-45页 |
| ·布谷鸟算法的总结 | 第43页 |
| ·布谷鸟算法的展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 发表论文情况 | 第49-50页 |
| 致谢 | 第50-51页 |
