首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

一类自适应遗传算法的渐近行为研究

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

论文共123页,点击 下载论文
上一篇:开挖卸荷和水入渗对膨胀岩工程特性的影响研究
下一篇:接近空间目标的追踪航天器控制方法研究