论文创新点 | 第4-6页 |
目录 | 第6-8页 |
图目录 | 第8-9页 |
表目录 | 第9-10页 |
摘要 | 第10-12页 |
Abstract | 第12-13页 |
1 绪论 | 第14-24页 |
1.1 研究背景 | 第14-15页 |
1.2 国内外研究现状 | 第15-21页 |
1.3 研究内容 | 第21-22页 |
1.4 本文的组织结构 | 第22-24页 |
2 自适应遗传算法研究综述 | 第24-48页 |
2.1 形式化描述 | 第24-26页 |
2.2 分类原则 | 第26-27页 |
2.2.1 适应性调整的因素 | 第26页 |
2.2.2 适应性调整的方式 | 第26-27页 |
2.2.3 适应性调整的范围 | 第27页 |
2.3 框架模型 | 第27-30页 |
2.3.1 种群初始化 | 第28页 |
2.3.2 适应函数 | 第28-29页 |
2.3.3 选择策略 | 第29-30页 |
2.3.4 遗传算子 | 第30页 |
2.3.5 终止准则 | 第30页 |
2.4 收敛性研究 | 第30-37页 |
2.4.1 谱分析方法 | 第31-33页 |
2.4.2 公理化模型 | 第33-36页 |
2.4.3 鞅方法 | 第36-37页 |
2.5 收敛速度研究 | 第37-41页 |
2.5.1 Markov链的Minorization条件 | 第37-40页 |
2.5.2 谱分析方法 | 第40-41页 |
2.6 时间复杂度研究 | 第41-46页 |
2.6.1 漂移分析方法 | 第41-44页 |
2.6.2 Dynkin’s Formula | 第44-46页 |
2.7 本章小结 | 第46-48页 |
3 变种群规模遗传算法的收敛性分析 | 第48-66页 |
3.1 引言 | 第48-49页 |
3.2 变种群规模的遗传算法 | 第49-52页 |
3.2.1 算法流程 | 第49页 |
3.2.2 算法的具体步骤 | 第49-50页 |
3.2.3 算法描述 | 第50-52页 |
3.3 算法的收敛性分析 | 第52-60页 |
3.3.1 预备知识 | 第52-54页 |
3.3.2 收敛性分析 | 第54-60页 |
3.4 算法性能测试 | 第60-65页 |
3.4.1 仿真实验 | 第60-63页 |
3.4.2 理论说明 | 第63-65页 |
3.5 本章小结 | 第65-66页 |
4 选择概率时变遗传算法的渐近行为 | 第66-89页 |
4.1 引言 | 第66-67页 |
4.2 选择概率时变的遗传算法 | 第67-69页 |
4.2.1 算法流程 | 第67页 |
4.2.2 算法的具体步骤 | 第67-68页 |
4.2.3 算法描述 | 第68-69页 |
4.3 算法的数学模型 | 第69-73页 |
4.3.1 预备知识 | 第70-71页 |
4.3.2 数学模型 | 第71-73页 |
4.4 算法的收敛性分析 | 第73-83页 |
4.4.1 非时齐Markov链为弱遍历 | 第73-79页 |
4.4.2 非时齐Markov链为强遍历 | 第79-80页 |
4.4.3 非时齐Markov链收敛于最优种群集 | 第80-83页 |
4.5 算法的收敛速度 | 第83-86页 |
4.6 数值实验 | 第86-88页 |
4.7 本章小结 | 第88-89页 |
5 变异概率时变遗传算法的渐近行为 | 第89-109页 |
5.1 引言 | 第89页 |
5.2 变异概率时变的遗传算法 | 第89-92页 |
5.2.1 算法流程 | 第90页 |
5.2.2 算法的具体步骤 | 第90页 |
5.2.3 算法描述 | 第90-92页 |
5.3 算法的数学模型 | 第92页 |
5.4 算法的收敛性及收敛速度分析 | 第92-104页 |
5.5 算法的时间复杂度 | 第104-106页 |
5.6 数值实验 | 第106-108页 |
5.7 本章小结 | 第108-109页 |
6 总结与展望 | 第109-111页 |
6.1 本文工作的总结 | 第109-110页 |
6.2 后续研究工作的展望 | 第110-111页 |
参考文献 | 第111-119页 |
附录 1 攻读博士学位期间发表的文章 | 第119-120页 |
致谢 | 第120-121页 |
附件 | 第121-123页 |