| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第1章 绪论 | 第14-31页 |
| ·研究意义 | 第14-16页 |
| ·优化问题模型 | 第16页 |
| ·国内外研究现状 | 第16-29页 |
| ·智能优化算法概述 | 第17-18页 |
| ·差分进化算法研究现状 | 第18-22页 |
| ·粒子群优化算法研究现状 | 第22-29页 |
| ·主要研究内容 | 第29-30页 |
| ·结构安排 | 第30-31页 |
| 第2章 云自适应遗传算法(CAGA) | 第31-41页 |
| ·引言 | 第31-32页 |
| ·云理论 | 第32-34页 |
| ·云理论发展概况 | 第32页 |
| ·云理论基础 | 第32-34页 |
| ·云自适应遗传算法 | 第34-35页 |
| ·参数分析 | 第35-36页 |
| ·性能测试 | 第36-39页 |
| ·优化函数 | 第36页 |
| ·参数设置与性能指标 | 第36-39页 |
| ·性能分析 | 第39页 |
| ·TSP问题应用 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第3章 云进化算法(CEA) | 第41-48页 |
| ·引言 | 第41页 |
| ·云进化算法 | 第41-43页 |
| ·参数分析 | 第43-44页 |
| ·确定度 | 第43-44页 |
| ·En和He | 第44页 |
| ·性能测试 | 第44-45页 |
| ·FIR数字滤波器设计 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第4章 搜寻者优化算法(SOA) | 第48-87页 |
| ·引言 | 第48页 |
| ·人类搜索行为分析 | 第48-50页 |
| ·利己行为 | 第49页 |
| ·利他行为 | 第49页 |
| ·预动行为 | 第49页 |
| ·不确定性推理行为 | 第49-50页 |
| ·搜寻者优化算法 | 第50-56页 |
| ·搜索方向 | 第50-53页 |
| ·步长 | 第53-54页 |
| ·算法实现 | 第54-56页 |
| ·参数分析 | 第56-63页 |
| ·基于CECO5 benchmark函数的性能测试 | 第63-79页 |
| ·引言 | 第63页 |
| ·CECO5 benchmark函数 | 第63页 |
| ·评价标准 | 第63-65页 |
| ·仿真结果及分析 | 第65-71页 |
| ·带局部搜索的SOA(L-SOA) | 第71-79页 |
| ·关于SOA有效性的进一步分析 | 第79-80页 |
| ·SOA的特点 | 第80-81页 |
| ·SOA与CAGA、CEA的关系及性能比较 | 第81-86页 |
| ·小结 | 第86-87页 |
| 第5章 搜寻者优化算法应用研究 | 第87-129页 |
| ·SOA在神经网络训练中的应用 | 第87-100页 |
| ·引言 | 第87-88页 |
| ·传统BP学习算法 | 第88页 |
| ·基于SOA的ANN权值学习 | 第88-95页 |
| ·基于SOA的ANN权值与结构学习 | 第95-99页 |
| ·小结 | 第99-100页 |
| ·SOA在ⅡR数字滤波器设计中的应用 | 第100-110页 |
| ·引言 | 第100页 |
| ·ⅡR数字滤波器设计 | 第100-101页 |
| ·仿真实验及结果分析 | 第101-106页 |
| ·小结 | 第106-110页 |
| ·SOA在燃料电池建模中的应用 | 第110-118页 |
| ·引言 | 第110页 |
| ·燃料电池简介 | 第110-113页 |
| ·基于SOA的PEMFC建模 | 第113-118页 |
| ·小结 | 第118页 |
| ·SOA在电力系统无功优化中的应用 | 第118-129页 |
| ·引言 | 第118-119页 |
| ·国内外现状分析 | 第119-120页 |
| ·电力系统无功优化的数学模型 | 第120-122页 |
| ·基于SOA的电力系统无功优化 | 第122页 |
| ·仿真结果及分析 | 第122-128页 |
| ·小结 | 第128-129页 |
| 第6章 结论与展望 | 第129-132页 |
| ·主要结论 | 第129-131页 |
| ·下一步工作展望 | 第131-132页 |
| 致谢 | 第132-133页 |
| 参考文献 | 第133-145页 |
| 附录 | 第145-171页 |