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--人工神经网络与计算论文

改进的遗传算法及其在工程优化中的应用

第1章 绪论第1-27页
   ·遗传算法概述第13-17页
     ·遗传算法的仿生学基础第13页
     ·遗传算法的基本术语第13-14页
     ·简单遗传算法的执行过程第14-15页
     ·遗传算法的基础理论研究第15-16页
     ·遗传算法的执行策略研究第16-17页
   ·遗传算法与结构优化设计第17-20页
   ·进化结构优化中的约束处理方法第20-21页
   ·多目标遗传算法与结构优化第21-22页
   ·并行遗传算法第22-25页
   ·本文的主要研究内容第25-27页
第2章 遗传算法的基本理论与方法第27-36页
   ·遗传算法的基本流程第27-28页
   ·遗传算法的实现方式第28-30页
     ·编码方式第28-29页
     ·选择算子第29-30页
     ·交叉与变异算子第30页
   ·遗传算法的搜索机理第30-35页
     ·遗传算法的搜索机制第30-32页
     ·遗传算法的收敛性第32-35页
   ·本章小结第35-36页
第3章 子域搜索的遗传算法(SBGA)第36-46页
   ·概述第36-37页
   ·子域搜索的遗传算法(SBGA)第37-41页
     ·SBGA产生的背景第37页
     ·SBGA的基本思想及其实现第37-39页
     ·SBGA的收敛性第39-41页
   ·数值仿真第41-45页
     ·复杂函数优化第41-44页
     ·十杆桁架优化第44-45页
   ·本章小结第45-46页
第4章 基于遗传算法的连续体结构拓扑优化第46-69页
   ·概述第46-47页
   ·链码拓扑表示法第47-49页
   ·遗传算子第49-51页
   ·范例学习的策略第51-54页
   ·基于GA的结构拓扑优化软件GATOCS第54-65页
     ·GATOCS的特点与功能第54-55页
     ·应用ANSYS进行适应度计算第55-61页
     ·应用MATLAB进行拓扑处理第61-65页
   ·算例第65-68页
     ·2×1悬臂深梁拓扑优化第65-66页
     ·多工况连续深梁拓扑优化第66-67页
     ·自行车框架拓扑优化第67-68页
   ·本章小结第68-69页
第5章 PARETO多目标优化及其并行实现第69-87页
   ·PARETO多目标优化的概念第69-71页
   ·改进的强度PARETO进化算法第71-75页
     ·适应度评估方法第71-73页
     ·环境选择第73-74页
     ·实施过程第74页
     ·算例第74-75页
   ·并行计算第75-82页
     ·工作站机群COW及消息传递程序设计第76-77页
     ·并行计算性能指标第77-80页
     ·SPEA2的并行实现第80-82页
   ·多目标并行拓扑优化算例第82-86页
     ·悬臂深梁多目标拓扑优化第83-84页
     ·简支深梁多目标拓扑优化第84-86页
   ·本章小结第86-87页
第6章 生境混合遗传算法在医学图像配准中的应用第87-102页
   ·医学图像配准概述第87-89页
   ·数学基础第89-95页
     ·熵第89-90页
     ·条件熵、联合熵和互信息第90-91页
     ·Parzen窗密度估计第91-93页
     ·梯度下降优化法第93-95页
   ·混合遗传算法与实施第95-98页
     ·混合遗传算法第95-96页
     ·混合遗传算法的实施策略第96-98页
   ·图像配准实例第98-101页
     ·无噪声图像配准算例第99-100页
     ·有噪声图像配准算例第100-101页
   ·本章小结第101-102页
第7章 结论与展望第102-105页
   ·结论第102-103页
   ·创新点第103-104页
   ·进一步工作的展望第104-105页
致谢第105-106页
参考文献第106-118页
攻读博士学位期间发表的论文及科研成果第118页

论文共118页,点击 下载论文
上一篇:铝基电镀铅锡合金轻型板栅的制备及性能研究
下一篇:基于数据挖掘的入侵检测未知攻击识别框架研究