仿生优化算法的研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·随机优化算法 | 第8-9页 |
| ·三种仿生算法概述 | 第9-10页 |
| ·遗传算法概述 | 第9页 |
| ·粒子群算法概述 | 第9-10页 |
| ·人工鱼群算法概述 | 第10页 |
| ·粒子群算法研究现状 | 第10-11页 |
| ·本文的主要研究工作 | 第11-14页 |
| 第二章 仿生优化算法理论及相关知识 | 第14-20页 |
| ·引言 | 第14页 |
| ·优化问题的数学描述 | 第14-15页 |
| ·遗传算法 | 第15-16页 |
| ·粒子群算法 | 第16-17页 |
| ·人工鱼群算法 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 前馈扰动粒子群算法 | 第20-26页 |
| ·引言 | 第20页 |
| ·粒子种群陷入局部极值分析 | 第20-22页 |
| ·前馈扰动粒子群算法介绍 | 第22-23页 |
| ·算法仿真 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 随机优化算法的比较与选择 | 第26-34页 |
| ·引言 | 第26页 |
| ·仿生优化算法一些知识 | 第26-29页 |
| ·串行随机算法 | 第26-28页 |
| ·并行随机算法 | 第28页 |
| ·共享机制 | 第28-29页 |
| ·变异机制 | 第29页 |
| ·加入共享机制的随机算法 | 第29-31页 |
| ·加入共享变异的串行算法 | 第29-30页 |
| ·加入共享变异的并行算法 | 第30-31页 |
| ·仿生优化算法的共性 | 第31-32页 |
| ·算法的特性与算法选择 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 粒子群算法在传感器网络上的应用 | 第34-44页 |
| ·引言 | 第34页 |
| ·问题提出 | 第34-36页 |
| ·节点模型 | 第35-36页 |
| ·问题定义 | 第36页 |
| ·有向视觉传感器感知模型 | 第36-38页 |
| ·传统感知模型 | 第36-37页 |
| ·有向视觉传感器感知模型 | 第37-38页 |
| ·粒子群优化 | 第38页 |
| ·仿真实验 | 第38-42页 |
| ·参数设置 | 第38-39页 |
| ·仿真结果 | 第39-40页 |
| ·性能分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第六章 粒子群算法在智能交通的应用 | 第44-50页 |
| ·引言 | 第44页 |
| ·交通灯控制相关概念 | 第44页 |
| ·交通灯的类型 | 第44页 |
| ·交通灯仿真的分类 | 第44页 |
| ·交通灯的数学模型 | 第44-47页 |
| ·车辆到达模型 | 第44-45页 |
| ·车辆行驶模型 | 第45页 |
| ·交通路口模型 | 第45-47页 |
| ·粒子群优化 | 第47-48页 |
| ·仿真实验 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第七章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·后续工作和展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第58页 |
