群智能算法及在大数据环境中的应用研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 一、研究背景 | 第9-12页 |
| （一）大数据的基本概念 | 第9页 |
| （二）大数据的特征 | 第9-10页 |
| （三）大数据的发展现状 | 第10-12页 |
| （四）需要解决的数据处理问题 | 第12页 |
| 二、论文研究的目的和意义 | 第12-13页 |
| 三、论文研究内容 | 第13-14页 |
| 四、论文组织结构 | 第14-15页 |
| 第二章 群智能算法的研究现状 | 第15-27页 |
| 一、算法基本原理 | 第15-22页 |
| （一）遗传算法 | 第15-17页 |
| （二）粒子群算法 | 第17-18页 |
| （三）蚁群算法 | 第18-19页 |
| （四）细菌觅食算法 | 第19-21页 |
| （五）文化算法 | 第21-22页 |
| 二、算法的改进和应用现状 | 第22-25页 |
| （一）算法的改进方向 | 第22-23页 |
| （二）应用现状 | 第23-25页 |
| 三、在大数据中的研究及应用情况 | 第25-27页 |
| 第三章 种群规模自适应优化算法 | 第27-33页 |
| 一、种群增长模型 | 第27-28页 |
| （一）种群的指数式增长 | 第27页 |
| （二）种群的逻辑斯谛增长 | 第27-28页 |
| 二、种群规模自适应粒子群算法 | 第28-30页 |
| （一）种群自适应增加/删除个体数目方法 | 第28-30页 |
| （二）种群规模自适应粒子群算法描述 | 第30页 |
| 三、实验测试及讨论 | 第30-32页 |
| 四、本章小结 | 第32-33页 |
| 第四章 生物动力学群智能优化算法 | 第33-48页 |
| 一、群体智能动力学行为 | 第33页 |
| （一）智能个体的动力学特性 | 第33页 |
| （二）群智能系统的协同控制 | 第33页 |
| 二、觅食动力学 | 第33-35页 |
| （一）觅食行为 | 第33-34页 |
| （二）感知行为 | 第34页 |
| （三）群集动力学模型 | 第34-35页 |
| 三、基于觅食动力学的群智能优化算法 | 第35-38页 |
| （一）个体觅食动力学模型 | 第35-36页 |
| （二）生物动力学优化算法描述 | 第36-37页 |
| （三）算法实现步骤 | 第37-38页 |
| 四、测试分析及讨论 | 第38-43页 |
| （一）测试函数 | 第38-39页 |
| （二）算法参数设置 | 第39页 |
| （三）实验结果及讨论 | 第39-43页 |
| 五、车辆路径问题应用研究 | 第43-47页 |
| （一）车辆路径问题介绍 | 第43页 |
| （二）带容量约束的车辆路径问题数学模型 | 第43-44页 |
| （三）求解CVRP问题的BDO算法 | 第44-45页 |
| （四）测试实例及算法参数设置 | 第45-46页 |
| （五）实验结果讨论分析 | 第46-47页 |
| 六、本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 个人简历及在学期间的研究成果 | 第52-53页 |
| 致谢 | 第53页 |
