自适应重生鱼群优化算法
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 问题的背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文的主要研究内容 | 第9-10页 |
| 1.4 本文的结构安排 | 第10-11页 |
| 2 相关背景知识 | 第11-19页 |
| 2.1 优化问题 | 第11-12页 |
| 2.1.1 简介 | 第11页 |
| 2.1.2 数学模型 | 第11-12页 |
| 2.2 反向学习法 | 第12-13页 |
| 2.2.1 反向学习法的定义 | 第12-13页 |
| 2.2.2 反向学习算法的步骤 | 第13页 |
| 2.3 人工鱼群算法 | 第13-17页 |
| 2.3.1 设计思路 | 第13-14页 |
| 2.3.2 视野范围和步长 | 第14页 |
| 2.3.3 拥挤度因子 | 第14-15页 |
| 2.3.4 鱼群行为 | 第15页 |
| 2.3.5 行为算法描述 | 第15-17页 |
| 2.4 人工鱼群算法的步骤 | 第17-18页 |
| 2.5 小结 | 第18-19页 |
| 3 基于反向学习法的重生鱼群算法 | 第19-23页 |
| 3.1 设计思路 | 第19-20页 |
| 3.2 鱼群重生 | 第20页 |
| 3.3 设计流程图 | 第20-21页 |
| 3.4 算法步骤 | 第21-22页 |
| 3.5 小结 | 第22-23页 |
| 4 自适应重生鱼群优化算法 | 第23-34页 |
| 4.1 自适应重生鱼群优化算法的原理 | 第23-26页 |
| 4.1.1 鱼群重生 | 第24页 |
| 4.1.2 动态拥挤度因子 | 第24-26页 |
| 4.2 AFRA算法步骤 | 第26-27页 |
| 4.3 算例仿真 | 第27-31页 |
| 4.3.1 高维优化函数的极值问题 | 第27-31页 |
| 4.4 算法运行时间的比较结果 | 第31-32页 |
| 4.4.1 算法时间复杂度 | 第31-32页 |
| 4.4.2 两种算法时间复杂度比较实验 | 第32页 |
| 4.5 小结 | 第32-34页 |
| 5 旅行线路的优化 | 第34-39页 |
| 5.1 旅行商问题的数学模型 | 第34页 |
| 5.2 旅行线路的优化 | 第34-37页 |
| 5.3 结论 | 第37-39页 |
| 6 结论与展望 | 第39-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 附录 作者在攻读学位期间发表的论文目录 | 第46页 |
