动态环境中微粒群优化算法研究及应用
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景 | 第9-11页 |
| ·优化问题的起源及意义 | 第9页 |
| ·优化问题的数学描述 | 第9页 |
| ·优化问题的分类 | 第9-10页 |
| ·动态优化问题的定义及特点 | 第10-11页 |
| ·群体动画 | 第11页 |
| ·求解动态优化问题的几种方法及其存在问题 | 第11-15页 |
| ·基于遗传算法的动态优化方法研究 | 第12页 |
| ·基于微粒群算法的动态优化方法研究 | 第12-13页 |
| ·基于差分演化算法的动态优化方法研究 | 第13-14页 |
| ·基于 Memetic 算法的动态优化方法研究 | 第14页 |
| ·基于蚁群算法的动态优化方法研究 | 第14页 |
| ·动态优化方法存在的几个主要问题 | 第14-15页 |
| ·研究内容和创新点 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 微粒群算法 | 第18-26页 |
| ·标准微粒群算法描述 | 第18-23页 |
| ·算法的基本原理 | 第18-19页 |
| ·算法的数学描述 | 第19-21页 |
| ·算法流程 | 第21页 |
| ·算法行为分析 | 第21-22页 |
| ·算法的两种基本进化模型 | 第22-23页 |
| ·微粒群算法研究现状 | 第23-24页 |
| ·动态微粒群算法研究现状 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 一种改进的自适应动态微粒群算法 | 第26-35页 |
| ·问题提出 | 第26页 |
| ·改进的动态微粒群算法的原理及实现 | 第26-28页 |
| ·算法原理 | 第26-27页 |
| ·动态变化的检测及响应 | 第27-28页 |
| ·算法描述 | 第28-29页 |
| ·实验 | 第29-34页 |
| ·函数模型 | 第29-30页 |
| ·测试函数 | 第30-31页 |
| ·参数设置 | 第31-32页 |
| ·实验结果 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 基于种群多样性的自适应动态微粒群算法 | 第35-41页 |
| ·算法设计思路 | 第35页 |
| ·基于种群多样性的动态微粒群算法 | 第35-36页 |
| ·算法流程 | 第36-37页 |
| ·实验 | 第37-40页 |
| ·实验环境 | 第37页 |
| ·实验一收敛性比较 | 第37-38页 |
| ·实验二多样性比较 | 第38-39页 |
| ·实验三收敛速度比较 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第五章 群体动画路径规划子系统的设计与实现 | 第41-49页 |
| ·子系统的设计与实现 | 第41-44页 |
| ·子系统设计思路 | 第41页 |
| ·子系统的设计 | 第41-44页 |
| ·路径规划流程 | 第44-46页 |
| ·路径规划实例 | 第46-48页 |
| ·路径自动生成 | 第46-48页 |
| ·动画效果 | 第48页 |
| ·小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·下一步工作计划 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间主要科研成果 | 第55-56页 |
| 致谢 | 第56页 |
