组搜索算法研究及其应用
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-30页 |
| ·引言 | 第13-14页 |
| ·群智能算法的发展 | 第14-21页 |
| ·组搜索算法的研究现状 | 第21-27页 |
| ·组搜索算法起源及思想 | 第21页 |
| ·组搜索算法原理 | 第21-24页 |
| ·组搜索算法的主要研究方向 | 第24-27页 |
| ·本文主要研究内容和工作安排 | 第27-30页 |
| 第2章 混合粒子群组搜索优化算法 | 第30-49页 |
| ·引言 | 第30页 |
| ·粒子群优化算法 | 第30-33页 |
| ·粒子群算法起源 | 第30-31页 |
| ·粒子群算法原理 | 第31-33页 |
| ·GSPSO算法 | 第33-38页 |
| ·全局与局部交叉搜索策略 | 第33-35页 |
| ·GSPSO算法原理 | 第35-38页 |
| ·GSPSO算法参数选择及性能测试 | 第38-48页 |
| ·标准测试函数 | 第38-41页 |
| ·GSPSO算法参数选择 | 第41-44页 |
| ·GSPSO算法性能测试 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第3章 基于小世界网络的组搜索优化算法 | 第49-73页 |
| ·引言 | 第49页 |
| ·小世界网络的概念及构造方法 | 第49-51页 |
| ·小世界网络的概念 | 第49-50页 |
| ·小世界网络的构造方法 | 第50-51页 |
| ·ISWGSO算法 | 第51-57页 |
| ·ISWGSO算法原理 | 第51-53页 |
| ·ISWGSO算法流程 | 第53-54页 |
| ·ISWGSO算法分析 | 第54-57页 |
| ·ISWGSO算法的参数选择 | 第57-64页 |
| ·实验设置 | 第57页 |
| ·实验结果及分析 | 第57-64页 |
| ·ISWGSO算法性能测试 | 第64-67页 |
| ·实验设置 | 第64页 |
| ·仿真结果及讨论 | 第64-67页 |
| ·仿真实例 | 第67-72页 |
| ·实例背景介绍 | 第67-68页 |
| ·基于ISWGSO-NN的软测量模型 | 第68-70页 |
| ·仿真结果及分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第4章 最近邻组搜索优化算法 | 第73-98页 |
| ·引言 | 第73页 |
| ·GSO-NH算法 | 第73-79页 |
| ·最近邻策略 | 第73-76页 |
| ·GSO-NH算法原理 | 第76-79页 |
| ·GSO-NH算法分析 | 第79-84页 |
| ·算法复杂度分析 | 第79页 |
| ·算法个体行为分析 | 第79-84页 |
| ·GSO-NH算法参数分析 | 第84-87页 |
| ·GSO-NH算法性能测试 | 第87-92页 |
| ·实验设置 | 第87页 |
| ·仿真结果及讨论 | 第87-92页 |
| ·仿真实例 | 第92-96页 |
| ·问题描述 | 第92-93页 |
| ·基于GSO-NH-NN的温度分布模型 | 第93-95页 |
| ·仿真结果及分析 | 第95-96页 |
| ·本章小结 | 第96-98页 |
| 第5章 基于纵列行进策略的组搜索约束优化算法 | 第98-115页 |
| ·引言 | 第98页 |
| ·约束优化问题的基本概念及处理方法 | 第98-99页 |
| ·约束优化问题的相关定义 | 第98-99页 |
| ·基于群智能算法的约束处理方法 | 第99页 |
| ·针对约束问题的GSO-TR算法 | 第99-104页 |
| ·纵列行进策略 | 第99-101页 |
| ·GSO-TR算法原理 | 第101-104页 |
| ·GSO-TR算法性能测试 | 第104-110页 |
| ·测试函数 | 第104-107页 |
| ·实验设置 | 第107页 |
| ·仿真结果与讨论 | 第107-110页 |
| ·仿真实例 | 第110-114页 |
| ·仿真实例介绍 | 第111-112页 |
| ·仿真结果及讨论 | 第112-114页 |
| ·本章小结 | 第114-115页 |
| 第6章 总结与展望 | 第115-118页 |
| ·本文研究工作总结 | 第115-116页 |
| ·研究工作展望 | 第116-118页 |
| 参考文献 | 第118-130页 |
| 致谢 | 第130-131页 |
| 作者在攻读博士学位期间取得的成果 | 第131页 |
