微粒群优化算法及其在人工神经网络中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·引言 | 第9-10页 |
| ·微粒群优化算法的研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| 2 微粒群优化算法 | 第12-22页 |
| ·基本微粒群优化算法原理 | 第12-14页 |
| ·算法原理 | 第12-13页 |
| ·算法流程 | 第13-14页 |
| ·两种基本进化模型 | 第14页 |
| ·Gbest 模型 | 第14页 |
| ·Lbest 模型 | 第14页 |
| ·两种经典的PSO 模型 | 第14-15页 |
| ·惯性权重模型 | 第14-15页 |
| ·收敛因子模型 | 第15页 |
| ·微粒群算法的改进模型 | 第15-19页 |
| ·加入其它进化机制 | 第15-16页 |
| ·提高种群多样性 | 第16-17页 |
| ·提高收敛速度 | 第17-18页 |
| ·算法离散化 | 第18-19页 |
| ·与其他进化算法的比较 | 第19-20页 |
| ·PSO 算法的应用 | 第20-21页 |
| ·小结 | 第21-22页 |
| 3 PSO 算法的收敛性分析及参数选取 | 第22-29页 |
| ·引言 | 第22页 |
| ·实验分析 | 第22-23页 |
| ·数学分析 | 第23-26页 |
| ·收敛性证明 | 第26-28页 |
| ·小结 | 第28-29页 |
| 4 改进的微粒群优化算法 | 第29-39页 |
| ·引言 | 第29页 |
| ·保证收敛的微粒群优化算法 | 第29-30页 |
| ·协同微粒群优化算法 | 第30-33页 |
| ·算法原理 | 第30-32页 |
| ·CPSO 改进模型 | 第32-33页 |
| ·基于粒子空间扩展的协同PSO 算法 | 第33-38页 |
| ·算法设计 | 第33-34页 |
| ·仿真实验及结果 | 第34-38页 |
| ·小结 | 第38-39页 |
| 5 微粒群优化算法在人工神经网络中的应用 | 第39-50页 |
| ·引言 | 第39页 |
| ·人工神经网络 | 第39-42页 |
| ·基本概念 | 第39-40页 |
| ·网络学习与泛化能力 | 第40-42页 |
| ·PSO 优化神经网络 | 第42-45页 |
| ·算法设计 | 第42-44页 |
| ·算法的评价与分析 | 第44-45页 |
| ·基于协同PSO 算法优化神经网络 | 第45-48页 |
| ·两类神经网络 | 第45-47页 |
| ·仿真实验及结果 | 第47-48页 |
| ·小结 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56-58页 |
