| 论文创新点 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第13-31页 |
| 1.1 动态优化问题描述 | 第13-14页 |
| 1.2 动态环境 | 第14-19页 |
| 1.2.1 根据变化时刻的性质分类 | 第14-15页 |
| 1.2.2 根据控制变量的变化分类 | 第15-18页 |
| 1.2.3 XOR动态问题产生器 | 第18-19页 |
| 1.3 动态优化基准问题 | 第19-26页 |
| 1.3.1 动态位匹配 | 第20页 |
| 1.3.2 动态Royal Road函数 | 第20页 |
| 1.3.3 动态欺骗函数 | 第20-21页 |
| 1.3.4 动态背包问题 | 第21-22页 |
| 1.3.5 移动抛物线函数 | 第22页 |
| 1.3.6 移动峰问题和DF1函数 | 第22-25页 |
| 1.3.7 限制条件发生变化的动态优化函数 | 第25-26页 |
| 1.4 动态优化算法性能评价 | 第26-27页 |
| 1.5 动态环境检测 | 第27-28页 |
| 1.6 动态问题、优化算法和性能评价的关系 | 第28页 |
| 1.7 动态优化的目标和算法设计的关键问题 | 第28-29页 |
| 1.8 本文的主要工作 | 第29-31页 |
| 2 动态优化算法研究现状 | 第31-51页 |
| 2.1 演化算法解决动态优化问题的研究方法 | 第31-38页 |
| 2.1.1 增加多样性方法 | 第31-32页 |
| 2.1.2 始终保持多样性的方法 | 第32-33页 |
| 2.1.3 记忆的方法 | 第33-35页 |
| 2.1.4 多种群方法 | 第35-36页 |
| 2.1.5 预测的方法 | 第36-38页 |
| 2.2 粒子群优化算法解决动态优化问题研究现状 | 第38-50页 |
| 2.2.1 粒子群优化算法 | 第38-42页 |
| 2.2.2 动态环境下粒子群优化算法研究现状 | 第42-50页 |
| 2.3 本章小结 | 第50-51页 |
| 3 基于顺序小生境的逆空间搜索多种群粒子群动态优化算法 | 第51-93页 |
| 3.1 传统粒子群优化算法解决动态优化问题面临的挑战和解决方法 | 第51-54页 |
| 3.1.1 记忆过时 | 第51页 |
| 3.1.2 多样性丧失 | 第51-54页 |
| 3.2 粒子群优化算法解决动态优化问题的关键 | 第54-58页 |
| 3.3 小生境 | 第58-62页 |
| 3.3.1 顺序小生境技术 | 第58-60页 |
| 3.3.2 并行小生境技术 | 第60-62页 |
| 3.4 逆空间搜索多种群粒子群动态优化算法设计思想 | 第62-65页 |
| 3.5 逆空间搜索多种群粒子群动态优化算法 | 第65-70页 |
| 3.6 实验仿真与结果分析 | 第70-90页 |
| 3.6.1 实验设置 | 第70-71页 |
| 3.6.2 逆向搜索子群大小和逆向搜索宽度系数对算法性能的影响 | 第71-73页 |
| 3.6.3 逆向搜索子群大小对其它性能指标的影响 | 第73-79页 |
| 3.6.4 峰数对算法性能的影响 | 第79-83页 |
| 3.6.5 变化剧烈程度对算法性能的影响 | 第83-87页 |
| 3.6.6 变化频率对算法性能的影响 | 第87-90页 |
| 3.7 结论 | 第90-91页 |
| 3.8 本章小结 | 第91-93页 |
| 4 多线程记忆机制的多种群粒子群动态优化算法 | 第93-113页 |
| 4.1 目前多种群方法存在的问题 | 第93-94页 |
| 4.2 多线程记忆机制的多种群方法通用框架 | 第94-97页 |
| 4.3 多线程记忆机制的逆空间搜索多种群方法的通用框架 | 第97-98页 |
| 4.4 多线程记忆机制多种群粒子群动态优化算法 | 第98-106页 |
| 4.4.1 算法描述 | 第99页 |
| 4.4.2 实验仿真与结果分析 | 第99-105页 |
| 4.4.3 实验结论 | 第105-106页 |
| 4.5 多线程记忆机制逆向搜索多种群粒子群动态优化算法 | 第106-111页 |
| 4.5.1 算法描述 | 第106页 |
| 4.5.2 实验仿真与结果分析 | 第106-111页 |
| 4.5.3 实验结论 | 第111页 |
| 4.6 本章小结 | 第111-113页 |
| 5 基于部分全局最优形成技术聚类的多种群粒子群动态优化算法 | 第113-127页 |
| 5.1 部分全局最优形成技术 | 第113-115页 |
| 5.2 基于部分全局最优形成技术的聚类 | 第115-118页 |
| 5.3 基于部分全局最优形成技术聚类的多种群粒子群动态优化算法 | 第118-126页 |
| 5.3.1 算法描述 | 第118-120页 |
| 5.3.2 实验仿真与结果分析 | 第120-126页 |
| 5.4 本章小结 | 第126-127页 |
| 6 总结与展望 | 第127-132页 |
| 6.1 本文的主要工作总结 | 第127-129页 |
| 6.2 进一步的研究工作展望 | 第129-132页 |
| 6.2.1 动态优化领域研究的总体工作展望 | 第129-130页 |
| 6.2.2 使用粒子群优化算法解决动态优化问题的工作展望 | 第130-132页 |
| 参考文献 | 第132-141页 |
| 作者在攻读博士学位期间发表的有关学术论文 | 第141-142页 |
| 致谢 | 第142-143页 |
| 附件 | 第143-145页 |
