| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-12页 |
| 1.1.1 最优化问题简述 | 第8-9页 |
| 1.1.2 求解最优化问题的数学方法 | 第9-10页 |
| 1.1.3 求解最优化问题的演化计算方法 | 第10-12页 |
| 1.2 本文工作 | 第12-14页 |
| 1.2.1 研究路线和方法 | 第12-13页 |
| 1.2.2 本文研究内容 | 第13-14页 |
| 第二章 用遗传算法求解最优化问题 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 用遗传算法求解最优化问题的过程 | 第14-21页 |
| 2.2.1 标准遗传算法 | 第14-15页 |
| 2.2.2 编码 | 第15-17页 |
| 2.2.2.1 二进制编码 | 第15-16页 |
| 2.2.2.2 值编码 | 第16页 |
| 2.2.2.3 互换编码 | 第16-17页 |
| 2.2.3 遗传算子 | 第17-20页 |
| 2.2.3.1 交叉 | 第17-18页 |
| 2.2.3.2 变异 | 第18-19页 |
| 2.2.3.3 选择 | 第19-20页 |
| 2.2.4 参数控制 | 第20-21页 |
| 2.3 遗传算法的理论基础 | 第21-26页 |
| 2.3.1 模式定理和遗传算法的隐并行性 | 第21-22页 |
| 2.3.2 遗传算法中的收缩映射原理 | 第22-26页 |
| 2.4 小结 | 第26-27页 |
| 第三章 进化规划和群体启发进化规划 | 第27-47页 |
| 3.1 引言 | 第27页 |
| 3.2 标准进化规划方法 | 第27-29页 |
| 3.3 进化策略 | 第29-30页 |
| 3.4 进化规划的理论分析 | 第30-35页 |
| 3.4.1 变异步长的Gauss 分布与Cauchy 分布 | 第31-34页 |
| 3.4.2 变异步长正态分布下的搜索成功概率估计 | 第34-35页 |
| 3.5 群体启发进化规划 | 第35-43页 |
| 3.5.1 群体启发进化规划算法描述 | 第35-39页 |
| 3.5.2 实验数据和实验结果 | 第39-43页 |
| 3.6 用群体启发进化规划求解高维优化问题 | 第43-46页 |
| 3.6.1 高维优化问题及高维优化的复杂性 | 第43-44页 |
| 3.6.2 实验结果和实验结果分析 | 第44-46页 |
| 3.7 小结 | 第46-47页 |
| 第四章 粒子群优化和粒子群优化的两种改进策略 | 第47-76页 |
| 4.1 引言 | 第47页 |
| 4.2 模拟群体社会行为的粒子群优化方法 | 第47-51页 |
| 4.2.1 标准粒子群优化方法 | 第48-49页 |
| 4.2.2 二进制粒子群优化算法 | 第49-50页 |
| 4.2.3 粒子群优化算法中的群体社会行为分析 | 第50-51页 |
| 4.3 标准PSO 和EP 方法比较 | 第51-53页 |
| 4.4 粒子群参数设置与粒子运行轨迹分析 | 第53-57页 |
| 4.5 粒子群优化的两种改进策略 | 第57-68页 |
| 4.5.1 模拟退火粒子群优化方法 | 第57-61页 |
| 4.5.1.1 模拟退火的相关知识 | 第58-59页 |
| 4.5.1.2 模拟退火粒子群优化 | 第59-61页 |
| 4.5.2 有分工策略的粒子群优化方法 | 第61-65页 |
| 4.5.3 实验及实验结果 | 第65-68页 |
| 4.6 动态优化环境的两种改进策略 | 第68-74页 |
| 4.5.1 线形模型 | 第68-69页 |
| 4.5.2 循环模型 | 第69页 |
| 4.5.3 随机模型 | 第69-70页 |
| 4.5.4 实验及实验结果 | 第70-74页 |
| 4.7 小结 | 第74-76页 |
| 第五章 微分演化方法(Differential Evolution) | 第76-87页 |
| 5.1 引言 | 第76页 |
| 5.2 微分演化方法 | 第76-80页 |
| 5.2.1 微分演化方法描述 | 第76-80页 |
| 5.2.2 DE 参数的设置 | 第80页 |
| 5.3 微分演化方法的实验结果 | 第80-84页 |
| 5.3.1 低维条件下的实验结果 | 第80-82页 |
| 5.3.2 搜索空间100 维时的实验结果 | 第82-84页 |
| 5.4 微分演化粒子群优化 | 第84-86页 |
| 5.5 小结 | 第86-87页 |
| 第六章 约束优化和文化算法 | 第87-101页 |
| 6.1 引言 | 第87页 |
| 6.2 约束优化和处理约束的技巧 | 第87-95页 |
| 6.2.1 可行解和不可行解 | 第87-89页 |
| 6.2.2 可行个体评价函数eval_f 的设计 | 第89-90页 |
| 6.2.3 不可行个体的处理 | 第90-95页 |
| 6.2.3.1 评价函数eval_u 的设计 | 第90-91页 |
| 6.2.3.2 函数eval_u(x) 和函数eval_f(x) 之间的关系 | 第91-92页 |
| 6.2.3.3 不可行个体的丢弃 | 第92页 |
| 6.2.3.4 不可行个体的修补 | 第92页 |
| 6.2.3.5 不可行个体的惩罚 | 第92-94页 |
| 6.2.3.6 用特殊的表达和遗传算子维持可行群体 | 第94-95页 |
| 6.3 约束与群体的分离—两个空间上的演化 | 第95-99页 |
| 6.3.1 模拟社会文化发展的方法—文化算法 | 第95-96页 |
| 6.3.2 信仰空间的约束表达和信仰空间的更新 | 第96-99页 |
| 6.3.2.1 信仰空间的约束表达 | 第96-97页 |
| 6.3.2.2 更新信仰空间 | 第97-99页 |
| 6.3.3 群体空间的演化 | 第99页 |
| 6.4 实验结果 | 第99-100页 |
| 6.5 小结 | 第100-101页 |
| 第七章 总结与展望 | 第101-109页 |
| 7.1 本文提出的几种方法比较 | 第101-106页 |
| 7.2 本文的主要贡献 | 第106-108页 |
| 7.3 进一步研究方向 | 第108-109页 |
| 参考文献 | 第109-117页 |
| 作者在读期间发表的论文 | 第117-118页 |
| 致谢 | 第118-119页 |
| 摘要 | 第119-122页 |
| Abstract | 第122页 |
| 附录 | 第126-135页 |
