雁群飞行理论及雁群优化算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景及课题来源 | 第9-10页 |
| ·群体智能的研究现状 | 第10-16页 |
| ·蚁群算法 | 第11-12页 |
| ·粒子群优化算法 | 第12页 |
| ·蜂群算法 | 第12-13页 |
| ·人工鱼群算法 | 第13-14页 |
| ·雁群飞行研究概况 | 第14-16页 |
| ·本课题研究成果 | 第16页 |
| ·本文的内容安排 | 第16-18页 |
| 第2章 粒子群优化算法研究 | 第18-31页 |
| ·引言 | 第18页 |
| ·基本粒子群优化算法 | 第18-20页 |
| ·基本 PSO 算法原理 | 第18-20页 |
| ·基本 PSO 算法实现 | 第20页 |
| ·PSO 算法参数设计与选择 | 第20-23页 |
| ·惯性权重参数的研究 | 第21-22页 |
| ·其他相关参数的分析 | 第22-23页 |
| ·粒子群优化的改进算法 | 第23-25页 |
| ·局部版 PSO 算法 | 第23页 |
| ·混合 PSO 改进算法 | 第23-25页 |
| ·PSO 算法的应用 | 第25-27页 |
| ·函数优化 | 第26页 |
| ·图像分割优化 | 第26页 |
| ·神经网络优化 | 第26-27页 |
| ·路径规划优化 | 第27页 |
| ·基准测试函数及其特点 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于雁群启示的粒子群优化算法研究 | 第31-40页 |
| ·引言 | 第31页 |
| ·基于雁群启示的粒子群优化算法 | 第31-34页 |
| ·标准粒子群优化算法 | 第31-32页 |
| ·GPSO 算法原理 | 第32-33页 |
| ·GPSO 算法实现 | 第33-34页 |
| ·实验结果的比较和分析 | 第34-38页 |
| ·固定维数和迭代次数时算法测试 | 第35-36页 |
| ·函数维数变化时性能测试 | 第36页 |
| ·算法收敛速度和收敛趋势分析 | 第36-37页 |
| ·规则 1 和规则 2 的性能实验 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于高斯加权的 GPSO 改进算法 | 第40-49页 |
| ·GWGPSO 算法原理 | 第40-42页 |
| ·GWGPSO 算法实现 | 第42-43页 |
| ·GWGPSO 实验结果及分析 | 第43-48页 |
| ·固定维数和迭代次数时算法测试 | 第44页 |
| ·函数维数变化时性能测试 | 第44-45页 |
| ·算法收敛速度和收敛趋势对比 | 第45-46页 |
| ·规则 3 和规则 4 的性能实验 | 第46-47页 |
| ·算法时间复杂度的对比 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 雁群飞行理论及雁群优化算法研究 | 第49-67页 |
| ·引言 | 第49页 |
| ·雁群飞行理论—规则和假设 | 第49-50页 |
| ·基于雁群飞行理论的 GSO 算法原理 | 第50-51页 |
| ·基于雁群飞行理论的 GSO 算法分析 | 第51-56页 |
| ·Gbest 版 GSO 算法（GGSO） | 第52-54页 |
| ·Pbest 版 GSO 算法（PGSO） | 第54-55页 |
| ·完全版 GSO 算法（GSO） | 第55-56页 |
| ·GSO 算法实现 | 第56-57页 |
| ·实验结果分析与比较 | 第57-66页 |
| ·固定维数和迭代次数时算法测试 | 第57-58页 |
| ·函数维数变化时性能测试 | 第58-59页 |
| ·对理论极值点坐标的逼近性能 | 第59-60页 |
| ·算法收敛速度和收敛趋势对比 | 第60-61页 |
| ·粒子分布与极值寻优过程分析 | 第61-63页 |
| ·规则假设 3 和 4 的性能实验 | 第63-64页 |
| ·GSO 算法分析原理的验证实验 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67页 |
| ·研究课题的展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在学期间发表的学术论文和研究成果 | 第74页 |
