粒子群优化算法的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-18页 |
| ·智能算法介绍 | 第9页 |
| ·智能优化算法 | 第9-16页 |
| ·传统优化方法分类 | 第10-11页 |
| ·启发式优化算法分类 | 第11-16页 |
| ·各种算法性能比较 | 第16页 |
| ·本文研究思路 | 第16-18页 |
| 第2章 粒子群算法简介 | 第18-23页 |
| ·粒子群算法起源 | 第18页 |
| ·粒子群算法基本原理 | 第18-20页 |
| ·基本粒子群算法的流程 | 第20页 |
| ·粒子群优化算法研究现状 | 第20-22页 |
| ·国外研究现状 | 第20-21页 |
| ·国内研究现状 | 第21-22页 |
| ·粒子群优化算法应用现状 | 第22-23页 |
| 第3章 量子行为的粒子群优化算法研究 | 第23-35页 |
| ·具有量子行为的粒子群优化算法介绍 | 第23-25页 |
| ·量子粒子群算法流程 | 第25页 |
| ·改进的量子行为粒子群算法 | 第25-28页 |
| ·种群最优位置 | 第25-26页 |
| ·根据粒子速度选择位置方程 | 第26页 |
| ·参数a,b的选取 | 第26-27页 |
| ·MQPSO算法流程 | 第27-28页 |
| ·算法的实例应用 | 第28-34页 |
| ·用作实验的测试函数 | 第28-31页 |
| ·实验结果 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 改进的遗传粒子群算法 | 第35-42页 |
| ·遗传算法特点 | 第35-36页 |
| ·简化粒子群优化算法 | 第36-37页 |
| ·遗传加速种群 | 第37-39页 |
| ·寻找局部极值粒子 | 第37-38页 |
| ·搜寻惰性粒子 | 第38-39页 |
| ·对遗传加速种群变异交叉操作 | 第39页 |
| ·GPH算法的流程 | 第39-40页 |
| ·算法的实例应用 | 第40-41页 |
| ·仿真实验设置 | 第40-41页 |
| ·实验结果 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第5章 遗传粒子群算法在虚拟企业伙伴选择中的应用 | 第42-50页 |
| ·虚拟企业简介 | 第42页 |
| ·虚拟企业伙伴选择的流程 | 第42-44页 |
| ·实例应用 | 第44-45页 |
| ·实验结果 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·论文工作总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 附录 | 第56-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59页 |
