| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 最优化问题 | 第10-11页 |
| 1.2 人工蜂群算法研究现状 | 第11-13页 |
| 1.3 文章组织 | 第13-15页 |
| 第2章 基本算法 | 第15-20页 |
| 2.1 人工蜂群算法 | 第15-16页 |
| 2.2 粒子群算法 | 第16-18页 |
| 2.3 本章小结 | 第18-20页 |
| 第3章 基于多精英单纯形和定向选择的人工蜂群算法 | 第20-38页 |
| 3.1 多精英人工蜂群算法 | 第20-21页 |
| 3.2 基于多精英单纯形和定向选择的人工蜂群算法 | 第21-28页 |
| 3.2.1 定向选择策略 | 第21-24页 |
| 3.2.2 基于蜜源目标函数值排序的选择概率公式 | 第24-26页 |
| 3.2.3 多精英单纯形增强局部寻优机制 | 第26-27页 |
| 3.2.4 MENM-DS-ABC算法步骤(算法1) | 第27-28页 |
| 3.3 数值实验 | 第28-32页 |
| 3.3.1 测试函数和参数设置 | 第28-29页 |
| 3.3.2 实验结果 | 第29-32页 |
| 3.4 本章小结 | 第32-38页 |
| 第4章 基于综合学习的双种群人工蜂群算法 | 第38-70页 |
| 4.1 人工蜂群算法的综合学习策略 | 第38-42页 |
| 4.2 反向学习改进初始种群 | 第42-43页 |
| 4.3 乘性权重更新方法改进选择概率 | 第43-45页 |
| 4.4 DPCLABC算法流程(算法2) | 第45页 |
| 4.5 数值实验 | 第45-65页 |
| 4.5.1 实验设置 | 第45-48页 |
| 4.5.2 参数分析 | 第48页 |
| 4.5.3 实验结果与讨论 | 第48-61页 |
| 4.5.4 算法改进策略的比较 | 第61-65页 |
| 4.6 本章小结 | 第65-70页 |
| 第5章 总结与工作展望 | 第70-71页 |
| 附录 | 第71-73页 |
| 参考文献 | 第73-81页 |
| 致谢 | 第81页 |