高维优化进化算法及其应用研究
摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
第一章 绪论 | 第11-23页 |
·优化技术与进化计算 | 第11-16页 |
·优化技术 | 第11-12页 |
·进化算法 | 第12-15页 |
·进化算法的应用 | 第15-16页 |
·高维进化在多机器人领域的国内外研究现状分析 | 第16-20页 |
·国内外研究现状分析 | 第16-19页 |
·研究难点及解决途径 | 第19-20页 |
·课题来源与研究意义 | 第20-21页 |
·课题来源 | 第20-21页 |
·研究意义 | 第21页 |
·研究内容及章节安排 | 第21-23页 |
·研究内容 | 第21页 |
·章节安排 | 第21-22页 |
·论文的组织框架 | 第22-23页 |
第二章 约束优化技术及高维进化框架 | 第23-41页 |
·约束优化问题及其相关定义 | 第23-24页 |
·约束处理技术 | 第24-29页 |
·惩罚函数法 | 第25-26页 |
·多目标法 | 第26-29页 |
·其它算法 | 第29页 |
·高维进化算法的框架研究 | 第29-37页 |
·文化算法 | 第30-31页 |
·差异进化算法 | 第31-33页 |
·粒子群优化算法 | 第33-36页 |
·其他框架或算子 | 第36-37页 |
·个体优劣的比较准则 | 第37-39页 |
·需要解决的几个主要问题 | 第39-40页 |
·小结 | 第40-41页 |
第三章 佳点集实数域进化算法用于约束优化 | 第41-64页 |
·进化策略与约束优化 | 第41-42页 |
·交叉算子概述 | 第42-47页 |
·二进制交叉算子 | 第42-43页 |
·实数交叉算子 | 第43-47页 |
·基于佳点集原理的约束优化进化算法 | 第47-53页 |
·分步交叉策略 | 第47-48页 |
·佳点集的基本定义和性质 | 第48-49页 |
·在t维空间中取佳点的方法 | 第49-52页 |
·变异 | 第52-53页 |
·初始化种群的佳点集方法 | 第53页 |
·选择下一代种群 | 第53页 |
·约束优化进化算法的测试 | 第53-55页 |
·实验结果与分析 | 第55-62页 |
·结果分析 | 第57-58页 |
·分步交叉的选定 | 第58-62页 |
·小结 | 第62-64页 |
第四章 高维进化策略用于演化神经网络 | 第64-80页 |
·演化神经网络现状 | 第64-65页 |
·网络的整体编码 | 第65-67页 |
·混合进化策略 | 第67-71页 |
·粒子群优化算子 | 第68-70页 |
·佳点集进化算子 | 第70-71页 |
·混合进化策略的算法流程 | 第71页 |
·实验结果与分析 | 第71-79页 |
·鲁棒性分析 | 第73-76页 |
·高维全局优化数值实验 | 第76-79页 |
·小结 | 第79-80页 |
第五章 字典序进化算法用于组合优化问题 | 第80-94页 |
·基于字典序进化算法的基本思想及理论分析 | 第81-84页 |
·搜索空间的压缩 | 第84页 |
·空间转移技术 | 第84页 |
·基于字典序的进化算法 | 第84-90页 |
·初始种群与精英队列 | 第85页 |
·交叉 | 第85-86页 |
·变异 | 第86页 |
·精英个体的自学习 | 第86-87页 |
·求解TSP问题的字典序进化算法流程 | 第87页 |
·算法的收敛性 | 第87-90页 |
·仿真试验及结果 | 第90-92页 |
·小结 | 第92-94页 |
第六章 进化策略用于阴性选择 | 第94-107页 |
·生物免疫技术 | 第94-96页 |
·BIS的特征与机理 | 第95-96页 |
·人工免疫系统 | 第96-99页 |
·免疫系统中的几个基本概念 | 第96-97页 |
·阴性选择算法 | 第97-98页 |
·克隆选择算法 | 第98-99页 |
·故障监测和诊断 | 第99-106页 |
·问题的描述 | 第100-101页 |
·比较机制 | 第101-103页 |
·基于比较机制的进化算法 | 第103-104页 |
·理论分析 | 第104-105页 |
·仿真实验与分析 | 第105-106页 |
·结论 | 第106-107页 |
第七章 结论与展望 | 第107-109页 |
·本论文工作总结 | 第107页 |
·进一步的研究方向 | 第107-109页 |
参考文献 | 第109-120页 |
致谢 | 第120-121页 |
攻读博士学位期间的科研工作与研究成果 | 第121-122页 |