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 |