摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第10-26页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 膜计算研究现状 | 第11-13页 |
1.2.2 遗传算法研究现状 | 第13页 |
1.2.3 膜计算与遗传算法结合研究现状 | 第13-14页 |
1.2.4 聚类问题研究现状 | 第14-15页 |
1.3 理论概述 | 第15-23页 |
1.3.1 组织型P系统 | 第15-17页 |
1.3.2 遗传算法 | 第17-23页 |
1.4 论文内容及创新点 | 第23-24页 |
1.5 论文结构安排 | 第24-26页 |
第2章 基于组织型P系统的浓度调节遗传算法(TPCGA) | 第26-38页 |
2.1 基于浓度调节的遗传算法(CGA)设计 | 第26-28页 |
2.1.1 浓度选择策略 | 第26-27页 |
2.1.2 精英保存策略 | 第27页 |
2.1.3 基于浓度调节的遗传算法基本流程 | 第27-28页 |
2.2 基于组织型P系统的浓度调节遗传算法设计 | 第28-32页 |
2.2.1 组织型P系统结构设计 | 第28-30页 |
2.2.2 组织型P系统规则表述 | 第30-31页 |
2.2.3 基于组织P系统的浓度调节遗传算法基本流程 | 第31-32页 |
2.3 实验分析 | 第32-37页 |
2.3.1 测试函数 | 第33-34页 |
2.3.2 实验结果分析 | 第34-37页 |
2.4 本章小结 | 第37-38页 |
第3章 基于组织型P系统的改进自适应遗传算法(TPIAGA) | 第38-50页 |
3.1 基于模拟退火策略的改进自适应遗传算法设计 | 第38-41页 |
3.1.1 模拟退火策略 | 第38页 |
3.1.2 自适应算子设计 | 第38-40页 |
3.1.3 基于模拟退火的自适应遗传算法基本流程 | 第40-41页 |
3.2 基于组织型P系统的改进自适应遗传算法设计 | 第41-45页 |
3.2.1 组织型P系统结构设计 | 第41-42页 |
3.2.2 组织型P系统规则表述 | 第42-43页 |
3.2.3 基于组织型P系统的改进自适应遗传算法基本流程 | 第43-45页 |
3.3 实验分析 | 第45-49页 |
3.3.1 测试函数 | 第45-46页 |
3.3.2 实验结果分析 | 第46-49页 |
3.4 本章小结 | 第49-50页 |
第4章 TPIAGA算法在模糊C均值聚类中的应用 | 第50-58页 |
4.1 模糊C均值聚类 | 第50-51页 |
4.1.1 模糊C均值聚类理论 | 第50-51页 |
4.1.2 模糊C均值聚类步骤 | 第51页 |
4.2 基于TPIAGA算法改进的模糊C均值聚类 | 第51-53页 |
4.2.1 P系统的创建 | 第51-52页 |
4.2.2 基于TPIAGA算法的FCM聚类的基本流程 | 第52-53页 |
4.3 实验验证及分析 | 第53-56页 |
4.4 本章小结 | 第56-58页 |
第5章 TPCGA算法在物流选址问题中的应用 | 第58-66页 |
5.1 物流配送中心选址问题研究现状 | 第58页 |
5.2 物流配送中心选址问题模型构建 | 第58-60页 |
5.3 TPCGA算法在物流配送中心选址问题中的设计流程 | 第60-61页 |
5.3.1 编码设计 | 第60页 |
5.3.2 种群初始化 | 第60页 |
5.3.3 适应度函数设计 | 第60页 |
5.3.4 遗传算子设计 | 第60-61页 |
5.4 实验验证及结果分析 | 第61-65页 |
5.4.1 仿真实验 | 第61-63页 |
5.4.2 结果分析 | 第63-65页 |
5.5 本章小结 | 第65-66页 |
第6章 总结与展望 | 第66-68页 |
6.1 总结 | 第66页 |
6.2 研究展望 | 第66-68页 |
参考文献 | 第68-73页 |
攻读硕士学位期间发表的论文及参与的科研项目 | 第73-74页 |
攻读硕士学位期间的获奖情况 | 第74-75页 |
致谢 | 第75页 |