分布估计算法性能及分类研究
摘要 | 第13-15页 |
ABSTRACT | 第15-16页 |
第一章 绪论 | 第17-33页 |
1.1 本文的研究背景 | 第17-18页 |
1.2 贝叶斯网络 | 第18-23页 |
1.2.1 贝叶斯网络学习 | 第19-23页 |
1.2.2 贝叶斯网络的模拟 | 第23页 |
1.3 研究现状 | 第23-30页 |
1.3.1 算法设计 | 第25-28页 |
1.3.2 算法理论分析 | 第28-29页 |
1.3.3 算法应用研究 | 第29-30页 |
1.4 本文的研究内容 | 第30页 |
1.5 本文的组织形式 | 第30-33页 |
第二章 基于贝叶斯网络的EDAs性能分析 | 第33-54页 |
2.1 引言 | 第33-34页 |
2.2 结构学习 | 第34-36页 |
2.3 测试函数 | 第36-40页 |
2.4 时间复杂度分析 | 第40-43页 |
2.5 收敛可靠性分析 | 第43-44页 |
2.6 获取问题信息的分析 | 第44-53页 |
2.6.1 问题信息的来源 | 第44-45页 |
2.6.2 学习得到的结构分析 | 第45-53页 |
2.7 本章小结 | 第53-54页 |
第三章 EDAs的有效性能分析 | 第54-69页 |
3.1 引言 | 第54-55页 |
3.2 测试函数 | 第55-59页 |
3.2.1 定义 | 第55-56页 |
3.2.2 函数的实现 | 第56-57页 |
3.2.3 问题的难度 | 第57-59页 |
3.3 目标函数的精确分解 | 第59-61页 |
3.4 实验框架 | 第61-67页 |
3.4.1 实验参数 | 第61-62页 |
3.4.2 实验结果 | 第62-67页 |
3.5 本章小结 | 第67-69页 |
第四章 分布估计算法收敛性能分析 | 第69-100页 |
4.1 引言 | 第69-70页 |
4.2 实验设计 | 第70-74页 |
4.2.1 测试问题 | 第72页 |
4.2.2 结构模型 | 第72-73页 |
4.2.3 参数设置 | 第73-74页 |
4.3 求解Trap5函数 | 第74-81页 |
4.3.1 Trap5的描述 | 第74-75页 |
4.3.2 相关问题的结构 | 第75-76页 |
4.3.3 使用结构学习 | 第76-78页 |
4.3.4 使用固定结构 | 第78-81页 |
4.4 求解高斯伊辛问题 | 第81-87页 |
4.4.1 二维伊辛玻璃问题描述 | 第81-82页 |
4.4.2 与问题相关的结构 | 第82-83页 |
4.4.3 使用结构学习 | 第83-84页 |
4.4.4 使用固定结构 | 第84-87页 |
4.5 求解±J伊辛问题 | 第87-91页 |
4.5.1 ±J伊辛问题的介绍描述 | 第87页 |
4.5.2 结构学习 | 第87-90页 |
4.5.3 使用固定结构 | 第90-91页 |
4.6 求解最大可满足问题 | 第91-96页 |
4.6.1 最大可满足问题描述 | 第91-92页 |
4.6.2 问题的相关结构 | 第92-94页 |
4.6.3 使用结构学习 | 第94-96页 |
4.6.4 使用固定结构 | 第96页 |
4.7 本章小结 | 第96-100页 |
第五章 在EDAs中关于优化问题的分类 | 第100-120页 |
5.1 引言 | 第100-101页 |
5.2 问题背景 | 第101-104页 |
5.3 无限种群的EDAs模型 | 第104-108页 |
5.3.1 算法和种群 | 第104-106页 |
5.3.2 选择模式φ | 第106-107页 |
5.3.3 逼近步骤M | 第107-108页 |
5.4 等价函数和等价类 | 第108-111页 |
5.4.1 EDA性能的描述 | 第110-111页 |
5.5 分类实例 | 第111-119页 |
5.5.1 等价条件 | 第112-114页 |
5.5.2 等价类的特性 | 第114-117页 |
5.5.3 等价类和局部最优解 | 第117-119页 |
5.6 本章小结 | 第119-120页 |
第六章 总结与展望 | 第120-123页 |
6.1 本文总结 | 第120-121页 |
6.2 未来的工作 | 第121-123页 |
参考文献 | 第123-136页 |
攻博期间发表的科研成果目录 | 第136-137页 |
致谢 | 第137页 |