| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·遗传算法研究的目的 | 第10页 |
| ·遗传算法的特点 | 第10-11页 |
| ·遗传算法的研究现状 | 第11-13页 |
| ·遗传算法的研究现状 | 第11-12页 |
| ·混合遗传算法的研究现状 | 第12-13页 |
| ·遗传算法的应用现状 | 第13-15页 |
| ·本文的主要工作及内容安排 | 第15-16页 |
| ·本文的主要工作 | 第15页 |
| ·本文的内容安排 | 第15-16页 |
| ·本课题研究的目的与意义 | 第16-17页 |
| 第2章 预备知识 | 第17-27页 |
| ·遗传算法的基本操作 | 第17-20页 |
| ·遗传编码 | 第17-18页 |
| ·评价函数(适应函数) | 第18页 |
| ·遗传算子 | 第18-20页 |
| ·遗传算法的模式定理 | 第20-24页 |
| ·模式空间 | 第20-21页 |
| ·模式生存模型 | 第21-23页 |
| ·隐含并行性 | 第23-24页 |
| ·遗传算法的收敛性分析 | 第24-26页 |
| ·有限马尔柯夫链 | 第24-25页 |
| ·遗传算法收敛性定理及改进 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 求解多峰值优化问题的带记忆信息信赖域遗传算法(MTR-GA) | 第27-43页 |
| ·引言 | 第27页 |
| ·遗传算法与经典优化方法融合分析 | 第27-33页 |
| ·最速下降法 | 第27-29页 |
| ·共轭梯度法 | 第29-31页 |
| ·Newton 法 | 第31-32页 |
| ·信赖域法 | 第32-33页 |
| ·记忆信赖域方法(MTR) | 第33-34页 |
| ·带记忆信息信赖域遗传算法(MTR-GA) | 第34-35页 |
| ·算法 MTR-GA 的收敛性 | 第35-37页 |
| ·数值实验 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 求解多峰值优化问题的遗传蚂蚁算法(SGAA) | 第43-51页 |
| ·引言 | 第43页 |
| ·遗传算法与启发式方法融合分析 | 第43-46页 |
| ·模拟退火算法 | 第43-44页 |
| ·神经网络算法 | 第44-45页 |
| ·蚂蚁搜索算法 | 第45-46页 |
| ·遗传蚂蚁算法的步骤 | 第46-47页 |
| ·遗传蚂蚁算法的实例分析 | 第47-49页 |
| ·算法的收敛性 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 遗传蚂蚁算法在修正判断矩阵一致性中的分析应用 | 第51-61页 |
| ·引言 | 第51页 |
| ·判断矩阵一致性问题 | 第51-53页 |
| ·AHP 的步骤 | 第51-53页 |
| ·非线性规划模型的建立 | 第53-54页 |
| ·非线性规划问题全局最优解的存在性定理 | 第54-55页 |
| ·非线性规划问题全局最优解的求解 | 第55-57页 |
| ·适应度函数的确定 | 第56页 |
| ·算法搜索可行域的确定 | 第56-57页 |
| ·实例分析 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
