一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究
| 第一章 绪论 | 第1-28页 |
| ·引言 | 第16页 |
| ·群体智能理论简介 | 第16-18页 |
| ·群体智能研究进展 | 第18-21页 |
| ·蚁群优化算法 | 第18-20页 |
| ·蚁群聚类算法 | 第20页 |
| ·多机器人协同合作系统 | 第20-21页 |
| l.3.4 粒子群优化算法 | 第21页 |
| ·论文的主要思想与工作 | 第21-26页 |
| ·本论文算法的新思想 | 第22-24页 |
| ·本论文的主要工作 | 第24-26页 |
| ·论文的结构安排 | 第26-28页 |
| 第二章 混沌蚁群优化算法 | 第28-57页 |
| ·引言 | 第28-30页 |
| ·蚂蚁的混沌行为和自组织行为 | 第30-31页 |
| ·混沌蚁群算法的数学模型 | 第31-34页 |
| ·蚂蚁的邻居以及蚂蚁间的信息交换方式 | 第34-35页 |
| ·混沌蚁群模型的非线性动力学行为 | 第35-43页 |
| ·利用无约束函数测试混沌蚁群算法 | 第43-49页 |
| ·利用有约束函数测试混沌蚁群算法 | 第49-54页 |
| ·算法讨论 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第三章 基于 CAS算法的动力学系统参数辨识 | 第57-80页 |
| ·引言 | 第57-59页 |
| ·混沌蚁群算法辨识系统参数 | 第59-60页 |
| ·代价函数和未知参数的关系 | 第60-69页 |
| ·一维线性系统 | 第61-64页 |
| ·一维非线性系统 | 第64-69页 |
| ·四种典型系统的参数辨识数值仿真研究 | 第69-75页 |
| ·测量信号没有噪声的情况 | 第69-71页 |
| ·测量信号叠加噪声的情况 | 第71-75页 |
| ·Logistic和Lorenz系统仿真研究 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第四章 基于 CAS算法的模糊系统设计及其应用 | 第80-96页 |
| ·引言 | 第80-82页 |
| ·TS模糊系统建模 | 第82-84页 |
| ·利用 CAS设计模糊系统 | 第84-85页 |
| ·基于 CAS的模糊系统应用研究 | 第85-88页 |
| ·在非线性系统辨识中的应用 | 第86页 |
| ·在时间序列预测中的应用 | 第86-87页 |
| ·在非线性自适应控制系统中的应用 | 第87-88页 |
| ·模糊系统数值仿真 | 第88-95页 |
| ·模糊系统辨识仿真实例 | 第88-91页 |
| ·模糊系统预测仿真实例 | 第91-94页 |
| ·模糊系统控制仿真实例 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第五章 基于混沌蚁群算法的神经网络训练 | 第96-106页 |
| ·引言 | 第96-97页 |
| ·神经网络简介 | 第97-99页 |
| ·通用神经元模型 | 第97页 |
| ·神经元学习算法 | 第97-98页 |
| ·神经网络的拓扑结构 | 第98-99页 |
| ·利用混沌蚁群算法训练 BP网络 | 第99-101页 |
| ·混沌蚁群算法训练 BP网络仿真实例 | 第101-105页 |
| ·本章小结 | 第105-106页 |
| 第六章 基于CAS算法的PID整定 | 第106-112页 |
| ·引言 | 第106页 |
| ·PID参数整定方法 | 第106-108页 |
| ·常规 PID参数整定方法 | 第107页 |
| ·智能 PID参数整定方法 | 第107-108页 |
| ·优化模型的建立 | 第108-109页 |
| ·数值试验 | 第109-111页 |
| ·本章小结 | 第111-112页 |
| 第七章 总结与展望 | 第112-115页 |
| ·本论文研究工作的总结 | 第112-113页 |
| ·研究工作的展望 | 第113-115页 |
| 参考文献 | 第115-129页 |
| 致谢 | 第129-130页 |
| 攻读学位期间发表的学术论文目录 | 第130-131页 |
