面向多目标优化的群智能算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景与意义 | 第12-13页 |
| ·多目标优化的发展历程与研究现状 | 第13-16页 |
| ·主要研究内容与文章结构 | 第16-18页 |
| ·主要研究内容 | 第16-17页 |
| ·本文的工作安排 | 第17-18页 |
| 第2章 群智能算法与粒子群优化 | 第18-28页 |
| ·引言 | 第18页 |
| ·群体智能 | 第18-23页 |
| ·粒子群优化算法 | 第18-21页 |
| ·蚁群优化算法 | 第21-23页 |
| ·粒子群算法的改进与应用 | 第23-27页 |
| ·粒子群算法的改进 | 第23-27页 |
| ·粒子群算法的应用 | 第27页 |
| ·小结 | 第27-28页 |
| 第3章 多目标优化问题及粒子群算法求解模型 | 第28-36页 |
| ·多目标优化问题概述 | 第28-32页 |
| ·多目标优化问题的基本概念 | 第28-30页 |
| ·多目标优化方法分类 | 第30-32页 |
| ·粒子群算法求解多目标问题 | 第32-35页 |
| ·多目标粒子群算法的关键问题 | 第32-33页 |
| ·多目标粒子群算法研究现状 | 第33-34页 |
| ·讨论 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第4章 基于博弈策略的多目标粒子群算法 | 第36-46页 |
| ·引言 | 第36页 |
| ·量子 PSO 模型 | 第36-37页 |
| ·算法的提出 | 第37-39页 |
| ·博弈模型的建立与分析 | 第37-38页 |
| ·算法描述 | 第38-39页 |
| ·收敛性分析 | 第39-41页 |
| ·实验分析 | 第41-45页 |
| ·实验参数 | 第41-42页 |
| ·测试函数 | 第42-43页 |
| ·实验结果 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第5章 面向 TSP 问题的协同进化粒子群算法 | 第46-58页 |
| ·引言 | 第46页 |
| ·面向 TSP 的 N-EPSO 算法 | 第46-49页 |
| ·TSP 的描述 | 第46-47页 |
| ·适应 TSP 的 N-EPSO 编码方案 | 第47页 |
| ·协同加法“⊕”的定义 | 第47-48页 |
| ·粒子的更新方程 | 第48页 |
| ·变异算子 | 第48-49页 |
| ·N-EPSO 求解 TSP 的实现 | 第49-52页 |
| ·算法流程 | 第49-50页 |
| ·实验分析 | 第50-52页 |
| ·算法的改进 | 第52-57页 |
| ·改进的变异算子 | 第52-53页 |
| ·新算法流程 | 第53-54页 |
| ·实验分析 | 第54-57页 |
| ·小结 | 第57-58页 |
| 第6章 针对多目标 TSP 问题的优化求解 | 第58-64页 |
| ·引言 | 第58页 |
| ·多目标 TSP 问题描述 | 第58-59页 |
| ·基于粒子群算法求解多目标 TSP | 第59-63页 |
| ·算法描述 | 第59页 |
| ·仿真实验一 | 第59-61页 |
| ·仿真实验二 | 第61-63页 |
| ·小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 附录 A 攻读学位期间发表的论文及参加的科研项目 | 第73页 |
