粒子群算法及其在函数优化和路径优化问题上的应用
| 第一章 绪论 | 第1-12页 |
| ·计算智能与进化计算 | 第8-9页 |
| ·人工生命 | 第9-10页 |
| ·群智能 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| 第二章 粒子群算法 | 第12-15页 |
| ·引言 | 第12页 |
| ·算法介绍 | 第12-13页 |
| ·粒子群算法和遗传算法的比较 | 第13页 |
| ·粒子群算法与进化计算的比较 | 第13-14页 |
| ·PSO 的参数设置 | 第14页 |
| ·粒子的运行轨迹分析 | 第14-15页 |
| 第三章 改进算法及其在函数优化中的应用 | 第15-32页 |
| ·惯性权重 | 第15页 |
| ·约束因子 | 第15页 |
| ·杂交PSO 算法 | 第15-16页 |
| ·协同PSO 算法 | 第16-17页 |
| ·增加积分控制项和限制搜索空间 | 第17-19页 |
| ·用适应度定标方法和重新定义全局极值 | 第19-22页 |
| ·实验和结果分析 | 第20-22页 |
| ·用模拟退火策略的粒子群方法(PSOwSA) | 第22-25页 |
| ·有分工策略的粒子群方法(PSOwDOW) | 第25-28页 |
| ·加入后退算法和后期引入变异算子 | 第28-29页 |
| ·随机PSO 算法(SPSO) | 第29-32页 |
| ·SPSO 算法的收敛性分析 | 第30-31页 |
| ·实例计算和结论分析 | 第31-32页 |
| 第四章 PSO 在求解聚类问题上的应用 | 第32-38页 |
| ·聚类问题的数学描述 | 第32-33页 |
| ·k-均值算法简介 | 第33页 |
| ·基于粒子群的k 均值算法的描述 | 第33-35页 |
| ·算法描述 | 第33-35页 |
| ·编码与适应度选择 | 第35页 |
| ·试验结果及分析 | 第35-38页 |
| 第五章 PSO 在路径优化问题上的应用 | 第38-49页 |
| ·用粒子群算法分步规划机器人的路径 | 第38-43页 |
| ·问题描述和建模 | 第38-40页 |
| ·用Dijkstra 算法求链接图最短路径 | 第40页 |
| ·粒子群算法的实现 | 第40-41页 |
| ·仿真结果 | 第41-43页 |
| ·粒子群算法求解迷宫问题 | 第43-49页 |
| ·迷宫问题的建模和实现 | 第43-45页 |
| ·改进死角问题的处理 | 第45-47页 |
| ·模型的其他应用 | 第47-48页 |
| ·总结语 | 第48-49页 |
| 第六章 结束语 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 中文摘要 | 第52-54页 |
| Abstract | 第54-57页 |
| 致谢 | 第57-58页 |
| 导师及作者简介 | 第58页 |
