粒子群算法及其在多目标优化中的应用
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 1 绪论 | 第8-13页 |
| ·选题背景 | 第8-9页 |
| ·粒子群算法的研究现状 | 第9-12页 |
| ·粒子群算法的理论研究 | 第9-10页 |
| ·粒子群算法的改进研究 | 第10-11页 |
| ·粒子群算法的应用研究 | 第11-12页 |
| ·主要研究内容 | 第12页 |
| ·论文的结构 | 第12-13页 |
| 2 粒子群算法 | 第13-22页 |
| ·基本粒子群算法 | 第13-17页 |
| ·算法中的基本概念 | 第13页 |
| ·算法的数学模型 | 第13-15页 |
| ·粒子群算法的流程 | 第15-16页 |
| ·全局模型和局部模型 | 第16-17页 |
| ·改进的粒子群算法 | 第17-18页 |
| ·带惯性权重的标准粒子群算法 | 第17页 |
| ·带收缩因子的粒子群算法 | 第17-18页 |
| ·免疫粒子群算法 | 第18页 |
| ·离散二进制粒子群算法 | 第18页 |
| ·粒子群算法的参数分析 | 第18-20页 |
| ·惯性权重 | 第18-19页 |
| ·学习因子 | 第19-20页 |
| ·粒子群算法与遗传算法的比较 | 第20-22页 |
| 3 多目标优化问题 | 第22-29页 |
| ·多目标优化的基本概念 | 第22-24页 |
| ·多目标优化问题 | 第22页 |
| ·Pareto支配 | 第22-23页 |
| ·Pareto最优解 | 第23-24页 |
| ·Pareto最优前端 | 第24页 |
| ·传统的多目标优化方法 | 第24-27页 |
| ·约束法 | 第24-25页 |
| ·线性加权法 | 第25-26页 |
| ·最小最大法 | 第26页 |
| ·目标规划法 | 第26-27页 |
| ·传统多目标优化方法分析 | 第27页 |
| ·多目标进化算法 | 第27-29页 |
| ·不基于Pareto最优的多目标进化算法 | 第27页 |
| ·基于Pareto最优的多目标进化算法 | 第27-29页 |
| 4 改进的粒子群算法 | 第29-35页 |
| ·引言 | 第29页 |
| ·带混沌搜索的粒子群算法(CPSO) | 第29-31页 |
| ·混沌搜索 | 第29-30页 |
| ·粒子停滞的判定方法 | 第30页 |
| ·CPSO的算法流程 | 第30-31页 |
| ·实验仿真 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 5 基于最优解评估选取的混沌多目标粒子群算法 | 第35-41页 |
| ·引言 | 第35页 |
| ·基于最优解评估选取的混沌多目标粒子群算法 | 第35-37页 |
| ·最优解评估选取 | 第35-36页 |
| ·算法分析 | 第36页 |
| ·算法流程 | 第36-37页 |
| ·算法性能评价标准 | 第37-38页 |
| ·测试函数及测试结果 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 6 总结与展望 | 第41-42页 |
| 参考文献 | 第42-48页 |
| 攻读学位期间发表文章 | 第48-51页 |
| 致谢 | 第51页 |
