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

两种生物进化算法的膜计算模型研究

中文摘要第3-4页
英文摘要第4-5页
1 绪论第8-12页
    1.1 引言第8-9页
    1.2 国内外研究现状综述第9-10页
    1.3 研究的目的及意义第10-11页
    1.4 本文组织结构第11-12页
2 研究理论基础介绍第12-30页
    2.1 膜计算基础第12-16页
        2.1.1 膜计算简介第12-13页
        2.1.2 膜计算模型第13-16页
    2.2 遗传算法基础第16-23页
        2.2.1 遗传算法简介第16-17页
        2.2.2 遗传算法流程第17-21页
        2.2.3 并行遗传算法第21-23页
    2.3 蚁群算法基础第23-28页
        2.3.1 蚁群算法简介第23-24页
        2.3.2 蚁群算法计算流程第24-27页
        2.3.3 并行蚁群算法第27-28页
    2.4 本章小结第28-30页
3 遗传P系统的设计第30-48页
    3.1 遗传P系统的定义第30-32页
    3.2 遗传P系统计算流程第32-33页
    3.3 遗传P系统规则设计第33-39页
        3.3.1 操作选择规则第34页
        3.3.2 变异算子规则第34页
        3.3.3 交叉算子规则第34-35页
        3.3.4 选择算子规则第35-36页
        3.3.5 输出规则第36-39页
    3.4 遗传P系统性能分析第39-41页
        3.4.1 Ⅱ_(GA)时间复杂度分析第39-40页
        3.4.2 Ⅱ_(GA)并行性分析第40-41页
    3.5 实例与仿真第41-46页
        3.5.1 Ⅱ_(GA)实例第42-45页
        3.5.2 Ⅱ_(GA)仿真第45-46页
    3.6 本章小结第46-48页
4 蚁群P系统的设计第48-64页
    4.1 蚁群P系统的定义第48-49页
    4.2 蚁群P系统计算流程第49-51页
    4.3 蚁群P系统规则设计第51-56页
        4.3.1 选择初始节点规则第51页
        4.3.2 选择下一节点规则第51-53页
        4.3.3 局部更新规则第53-54页
        4.3.4 全局更新规则第54-55页
        4.3.5 输出规则第55-56页
    4.4 蚁群P系统性能分析第56-58页
        4.4.1 时间复杂度分析第56-58页
        4.4.2 并行性分析第58页
    4.5 实例与仿真第58-62页
        4.5.1 Ⅱ_(ACS)实例第59-62页
        4.5.2 Ⅱ_(ACS)仿真第62页
    4.6 本章小结第62-64页
5 总结与展望第64-66页
    5.1 总结第64页
    5.2 展望第64-66页
致谢第66-68页
参考文献第68-74页
附录第74-78页
    A.Ⅱ_(GA)物质对象符号说明第74-75页
    B.Ⅱ_(GA)各膜中规则第75-76页
    C.Ⅱ_(ACS)物质对象符号说明第76-77页
    D.Ⅱ_(ACS)各膜中规则第77-78页
    E.作者在攻读学位期间发表论文目录第78页
    F.作者在攻读学位期间取得科研成果目录第78页

论文共78页,点击 下载论文
上一篇:P模块设计方法及其应用研究
下一篇:基于深度学习的列车车牌识别研究