基于群体智能算法的构件分类及选择方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的背景及意义 | 第8-9页 |
| 1.2 国内外研究的现状 | 第9-10页 |
| 1.3 主要内容 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 第二章 相关技术 | 第12-19页 |
| 2.1 构件的概念及特点 | 第12页 |
| 2.2 构件库 | 第12-13页 |
| 2.3 构件分类相关技术 | 第13-16页 |
| 2.3.1 构件的分类方法 | 第13-15页 |
| 2.3.2 构件的检索方法 | 第15-16页 |
| 2.3.3 构件检索过程中的技术问题 | 第16页 |
| 2.4 构件挖掘分类相关技术 | 第16-18页 |
| 2.4.1 挖掘分类的基本概念 | 第16-17页 |
| 2.4.2 挖掘分类方法 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于蚁群算法的构件分类方法 | 第19-34页 |
| 3.1 基于数据挖掘的构件检索 | 第19-24页 |
| 3.1.1 构件复用应用模型 | 第19-20页 |
| 3.1.2 应用模型的工作流程 | 第20-24页 |
| 3.2 蚁群算法构件复用规则挖掘 | 第24-31页 |
| 3.2.1 蚁群搜索路径的过程 | 第24-25页 |
| 3.2.2 蚁群分类算法的改进 | 第25-29页 |
| 3.2.3 蚁群算法描述 | 第29-31页 |
| 3.3 实验分析 | 第31-33页 |
| 3.3.1 训练样本数的选取 | 第31页 |
| 3.3.2 分类规则与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于粒子群算法的构件选择方法 | 第34-51页 |
| 4.1 粒子群算法的介绍 | 第34-36页 |
| 4.1.1 粒子群算法 | 第34-35页 |
| 4.1.2 标准粒子群算法参数设置 | 第35页 |
| 4.1.3 标准粒子群算法流程 | 第35-36页 |
| 4.1.4 算法的应用领域 | 第36页 |
| 4.2 粒子群算法的局限性及改进 | 第36-38页 |
| 4.3 构件选择问题描述 | 第38-43页 |
| 4.3.1 构件问题简介 | 第38-39页 |
| 4.3.2 最优化问题的数学模型 | 第39-40页 |
| 4.3.3 构件的评价标准 | 第40-42页 |
| 4.3.4 构件选择问题常见方法 | 第42-43页 |
| 4.4 改进的粒子群算法求解构件选择问题 | 第43-46页 |
| 4.4.1 构件选择问题算法模型 | 第43页 |
| 4.4.2 基于改进算法的实现 | 第43-46页 |
| 4.5 实验分析 | 第46-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文和取得的科研成果情况 | 第55-56页 |
| 致谢 | 第56页 |
