| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 启发式算法的研究现状 | 第14-23页 |
| 1.2.1 遗传算法 | 第14-17页 |
| 1.2.2 粒子群优化算法 | 第17-19页 |
| 1.2.3 差分进化算法 | 第19-21页 |
| 1.2.4 和声搜索算法 | 第21-22页 |
| 1.2.5 蚁群算法 | 第22-23页 |
| 1.3 启发式优化算法的特点 | 第23-24页 |
| 1.4 启发式算法的比较 | 第24-25页 |
| 1.5 本文主要工作 | 第25-28页 |
| 第2章 全局粒子群优化算法 | 第28-44页 |
| 2.1 基本粒子群优化算法 | 第28页 |
| 2.2 基于惯性权重的粒子群优化算法 | 第28-29页 |
| 2.3 全局粒子群优化算法(GPSO) | 第29-31页 |
| 2.3.1 初始化种群和算法参数 | 第29页 |
| 2.3.2 速度更新和位置更新 | 第29-30页 |
| 2.3.3 最优粒子更新 | 第30-31页 |
| 2.3.4 核查终止准则 | 第31页 |
| 2.4 GPSO算法性能分析 | 第31页 |
| 2.5 实验结果与分析 | 第31-42页 |
| 2.5.1 算法的寻优精度比较 | 第32-39页 |
| 2.5.2 算法的收敛速度比较 | 第39-42页 |
| 2.5.3 算法的非参数统计显著性比较 | 第42页 |
| 2.6 小结 | 第42-44页 |
| 第3章 差分进化算法及其改进 | 第44-64页 |
| 3.1 基本差分进化算法 | 第44-47页 |
| 3.2 一些改进的差分进化算法 | 第47-50页 |
| 3.3 扩展变量维数的自适应差分进化算法(EVSDE) | 第50-53页 |
| 3.3.1 算法改进的主要部分 | 第50-52页 |
| 3.3.2 EVSDE算法的流程 | 第52-53页 |
| 3.4 EVSDE算法性能分析 | 第53页 |
| 3.5 实验结果和分析 | 第53-62页 |
| 3.6 小结 | 第62-64页 |
| 第4章 改进差分进化算法在系统可靠性问题中的应用 | 第64-76页 |
| 4.1 可靠性问题的研究现状及几类典型系统 | 第64-67页 |
| 4.1.1 可靠性问题的研究现状 | 第64-65页 |
| 4.1.2 几类典型的可靠性系统模型 | 第65-67页 |
| 4.2 可靠性问题的数学模型 | 第67-68页 |
| 4.3 优化方案 | 第68-69页 |
| 4.3.1 约束条件的处理 | 第68页 |
| 4.3.2 离散变量的处理 | 第68页 |
| 4.3.3 优化算法的选择 | 第68-69页 |
| 4.4 仿真实验结果和分析 | 第69-75页 |
| 4.5 小结 | 第75-76页 |
| 第5章 实用最优点的概念及其求解方法 | 第76-88页 |
| 5.1 引言 | 第76-78页 |
| 5.2 实用最优点的概念 | 第78-79页 |
| 5.3 实用最优点的求取 | 第79-81页 |
| 5.4 优化算法的参数设置 | 第81-82页 |
| 5.5 仿真实验 | 第82-87页 |
| 5.5.1 实用最优点概念的验证 | 第82-84页 |
| 5.5.2 δ和ε的大小对实用最优点选取的影响 | 第84-85页 |
| 5.5.3 参数设置对QSO算法的影响 | 第85-86页 |
| 5.5.4 快速搜索算法有效性的验证 | 第86-87页 |
| 5.6 小结 | 第87-88页 |
| 第6章 学习型和声搜索算法及其在0-1背包问题中的应用 | 第88-112页 |
| 6.1 基本和声搜索算法 | 第88-91页 |
| 6.2 几种改进的和声搜索算法 | 第91-99页 |
| 6.2.1 改进和声搜索算法 | 第92-93页 |
| 6.2.2 全局最好和声搜索算法 | 第93-94页 |
| 6.2.3 自适应全局最好和声搜索算法 | 第94-97页 |
| 6.2.4 新颖的全局和声搜索算法 | 第97-99页 |
| 6.3 学习型和声搜索算法(LHS) | 第99-102页 |
| 6.3.1 和声记忆库考虑概率HMCR | 第99-100页 |
| 6.3.2 学习策略 | 第100页 |
| 6.3.3 和声调整概率PAR | 第100-101页 |
| 6.3.4 学习型和声搜索算法的具体步骤 | 第101-102页 |
| 6.4 LHS算法性能分析 | 第102-103页 |
| 6.5 实验及结果分析 | 第103-106页 |
| 6.6 LHS算法在0-1背包问题中的应用 | 第106-111页 |
| 6.6.1 背包问题描述 | 第106-107页 |
| 6.6.2 模型转化 | 第107页 |
| 6.6.3 实验结果和分析 | 第107-111页 |
| 6.7 小结 | 第111-112页 |
| 第7章 关于多目标柔性作业车间调度问题连续化求解方法的研究 | 第112-140页 |
| 7.1 引言 | 第112-113页 |
| 7.2 多目标FJSP问题的研究现状 | 第113-115页 |
| 7.3 多目标FJSP问题数学模型的建立 | 第115-117页 |
| 7.4 多目标FJSP问题的求解 | 第117-126页 |
| 7.4.1 编码与解码 | 第118-122页 |
| 7.4.2 基于先验知识和启发式规则的初始化方法 | 第122-123页 |
| 7.4.3 机器选择部分的局部搜索 | 第123-124页 |
| 7.4.4 工序调度部分的局部搜索 | 第124-125页 |
| 7.4.5 多目标FJSP问题的连续化求解流程 | 第125-126页 |
| 7.5 实例与仿真 | 第126-138页 |
| 7.6 小结 | 第138-140页 |
| 第8章 结论与展望 | 第140-142页 |
| 8.1 结论 | 第140-141页 |
| 8.2 展望 | 第141-142页 |
| 参考文献 | 第142-154页 |
| 致谢 | 第154-156页 |
| 攻读学位期间发表的论著及获奖情况 | 第156页 |
