基于种群熵和种群结构的粒子群算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·群体模型仿真 | 第10-13页 |
| ·生物群体的复杂性 | 第10-11页 |
| ·生物群体行为的仿真 | 第11-12页 |
| ·基于 Swarm平台的仿真 | 第12-13页 |
| ·群智能计算 | 第13-15页 |
| ·蚁群算法 | 第14-15页 |
| ·粒子群算法 | 第15页 |
| ·群智能技术发展现状 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第二章 粒子群算法 | 第17-31页 |
| ·优化计算 | 第17-19页 |
| ·进化计算 | 第19-20页 |
| ·基本粒子群算法 | 第20-23页 |
| ·PSO算法基本原理 | 第20-22页 |
| ·粒子群算法信息交换方式 | 第22-23页 |
| ·粒子群算法的改进算法 | 第23-30页 |
| ·基于参数的改进算法 | 第23-25页 |
| ·行为模式改进算法 | 第25-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于种群熵的自适应粒子群算法 | 第31-41页 |
| ·粒子群算法与遗传算法的比较 | 第31-32页 |
| ·GA中种群多样性的分析 | 第32-36页 |
| ·熵的概念及性质 | 第32-33页 |
| ·种群多样性的度量 | 第33页 |
| ·智能化遗传算法 | 第33-34页 |
| ·动态元胞遗传算法 | 第34-36页 |
| ·PSO中种群多样性的分析 | 第36-37页 |
| ·自适应粒子群算法 | 第37-40页 |
| ·自适应调节策略 | 第37-38页 |
| ·自适应算法描述 | 第38页 |
| ·试验及结果分析 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第四章 粒子群算法种群结构与种群多样性关系 | 第41-49页 |
| ·粒子群种群结构的描述 | 第41-43页 |
| ·不同种群结构与算法的性能 | 第43-45页 |
| ·粒子群算法种群多样性与种群结构的关系 | 第45-48页 |
| ·实验参数设置 | 第45页 |
| ·实验结果分析 | 第45-48页 |
| ·小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·全文总结 | 第49-50页 |
| ·进一步的研究以及工作展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及所参与基金项目 | 第55-56页 |
| 致谢 | 第56页 |
