| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 动态优化的概述 | 第14-19页 |
| 1.2.1 动态优化问题的定义 | 第14页 |
| 1.2.2 演化动态优化算法 | 第14-15页 |
| 1.2.3 基准问题 | 第15-18页 |
| 1.2.4 性能衡量 | 第18-19页 |
| 1.3 本文的主要内容 | 第19-20页 |
| 1.4 本文的章节安排 | 第20-21页 |
| 第2章 研究现状 | 第21-29页 |
| 2.1 粒子群算法的概述 | 第21-23页 |
| 2.1.1 基本形式 | 第22页 |
| 2.1.2 其它形式 | 第22-23页 |
| 2.2 基于族群方法的概述 | 第23-27页 |
| 2.2.1 Seeds and Radius based Partition | 第23-25页 |
| 2.2.2 Seeds and k-Nearest based Partition | 第25页 |
| 2.2.3 Hierarchical Clustering | 第25-27页 |
| 2.3 记忆集策略的概述 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 族群与记忆集的混合PSO算法 | 第29-49页 |
| 3.1 概述 | 第29-30页 |
| 3.2 相关工作 | 第30-34页 |
| 3.2.1 Species-based PSO | 第30-32页 |
| 3.2.2 大记忆集方法 | 第32-34页 |
| 3.3 MSPSO算法 | 第34-40页 |
| 3.3.1 设计动机 | 第34页 |
| 3.3.2 算法框架 | 第34-35页 |
| 3.3.3 种群更新方法 | 第35-39页 |
| 3.3.4 与大记忆集方法的比较 | 第39-40页 |
| 3.4 实验 | 第40-48页 |
| 3.4.1 测试环境 | 第40-41页 |
| 3.4.2 实验设置 | 第41页 |
| 3.4.3 实验结果与分析 | 第41-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 一种新的族群划分方法 | 第49-69页 |
| 4.1 概述 | 第49-50页 |
| 4.2 相关工作 | 第50-51页 |
| 4.3 psfNBC | 第51-56页 |
| 4.3.1 用部分个体识别种子(p机制) | 第51-54页 |
| 4.3.2 基于种子的重新划分(s机制) | 第54-55页 |
| 4.3.3 变化的缩放因子(f机制) | 第55-56页 |
| 4.3.4 psfNBC方法 | 第56页 |
| 4.4 基于族群的粒子群算法 | 第56-59页 |
| 4.4.1 记忆集 | 第57页 |
| 4.4.2 邻域变异 | 第57页 |
| 4.4.3 族群收敛性检查 | 第57-58页 |
| 4.4.4 粒子群算法 | 第58-59页 |
| 4.5 实验 | 第59-61页 |
| 4.5.1 测试环境 | 第59页 |
| 4.5.2 实验设置 | 第59-61页 |
| 4.5.3 实验结果 | 第61页 |
| 4.6 讨论 | 第61-67页 |
| 4.6.1 每种机制的作用分析 | 第62-64页 |
| 4.6.2 pNBC-c与pNBC-a的比较 | 第64-67页 |
| 4.7 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 全文工作总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 硕士期间发表的学术论文 | 第79-80页 |
| 作者简历 | 第80页 |
