面向适应值计算费时优化问题的PSO预测策略研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-17页 |
| ·研究背景和意义 | 第9页 |
| ·适应值估计方法的研究现状 | 第9-14页 |
| ·本论文的主要工作及章节安排 | 第14-17页 |
| 第二章 微粒群算法 | 第17-25页 |
| ·微粒群算法的提出 | 第17-18页 |
| ·标准微粒群算法 | 第18-19页 |
| ·标准微粒群算法流程 | 第19-21页 |
| ·与其它群体优化算法的比较 | 第21-23页 |
| ·微粒群算法与遗传算法比较 | 第21-22页 |
| ·微粒群算法与蚁群算法的比较 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于不同取样策略的单模型适应值策略 | 第25-49页 |
| ·人工回归神经网络 | 第25-31页 |
| ·人工神经元模型 | 第25-28页 |
| ·径向基神经网络 | 第28-29页 |
| ·广义回归神经网络 | 第29-31页 |
| ·基于不同取样策略的单模型适应值预测策略 | 第31-47页 |
| ·最大更新策略研究 | 第31-39页 |
| ·拥挤度更新策略研究 | 第39-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 多模型适应值估计取样策略 | 第49-59页 |
| ·算法思想 | 第49-50页 |
| ·两种预测模型 | 第49页 |
| ·进化控制策略 | 第49-50页 |
| ·预测模型的更新 | 第50页 |
| ·算法实现 | 第50-54页 |
| ·实例仿真 | 第54-58页 |
| ·测试函数及其参数设置 | 第54-57页 |
| ·实验结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结和展望 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文目录 | 第71-72页 |
