首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

粒子群优化算法及其多学习策略研究

摘要第4-5页
ABSTRACT第5-6页
符号说明第9-10页
第一章 绪论第10-18页
    1.1. 群体智能优化算法研究背景第10-11页
    1.2. 粒子群算法的研究目的和意义第11-12页
    1.3. 粒子群算法研究现状第12-13页
    1.4. 论文的研究内容第13-15页
    1.5. 论文的结构第15-18页
第二章 粒子群算法及其相关算法回顾第18-28页
    2.1. 标准粒子群算法第18-22页
        2.1.1. 标准粒子群算法概述第18-19页
        2.1.2. 参数的选择第19-20页
        2.1.3. 测试函数第20-22页
    2.2. 粒子群相关算法回顾第22-26页
        2.2.1. 骨干粒子群算法第22-24页
        2.2.2. 改进的骨干粒子群算法第24页
        2.2.3. 全面学习的粒子群算法第24-26页
    2.3. 本章小结第26-28页
第三章 简单全面学习策略的粒子群算法第28-44页
    3.1. 改进的粒子群优化算法第28页
    3.2. 简单的全面学习策略第28-30页
        3.2.1. 简单全面学习策略的粒子群算法第29页
        3.2.2. 简单全面学习策略的算法实现第29-30页
    3.3. 参数讨论第30-35页
    3.4. 仿真及算法结果比较第35-42页
        3.4.1. 重要的粒子群算法变体第35页
        3.4.2. 仿真结果及数据分析第35-39页
        3.4.3. 仿真结果走势图分析第39-42页
    3.5. 本章小结第42-44页
第四章 高斯精英扰动策略的粒子群算法第44-52页
    4.1. 高斯精英扰动策略第44-46页
        4.1.1. 高斯精英扰动策略粒子群算法的概述第44-45页
        4.1.2. 高斯精英扰动策略算法的流程第45-46页
    4.2. 仿真结果分析第46-51页
        4.2.1. 仿真结果及数据分析第46-49页
        4.2.2. 仿真结果走势图分析第49-51页
    4.3. 本章小结第51-52页
第五章 总结与展望第52-54页
    5.1. 本文工作总结第52-53页
    5.2. 进一步研究方向第53-54页
参考文献第54-58页
致谢第58-60页
攻读学位期间发表的学术论文第60页

论文共60页,点击 下载论文
上一篇:分数布朗运动及跳扩散过程下的违约证券定价
下一篇:基于金刚石NV色心的量子信息处理