基于距离的蚁狮优化算法的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 群智能优化算法研究现状 | 第13-14页 |
| 1.2.2 基于智能优化的聚类研究现状 | 第14-15页 |
| 1.3 本文工作及创新点 | 第15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 群智能优化算法 | 第17-29页 |
| 2.1 引言 | 第17-18页 |
| 2.2 常见群智能算法介绍 | 第18-28页 |
| 2.2.1 蚁群优化算法 | 第18-21页 |
| 2.2.2 粒子群优化算法 | 第21-23页 |
| 2.2.3 人工鱼群算法 | 第23-25页 |
| 2.2.4 遗传算法 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于距离的蚁狮优化算法 | 第29-43页 |
| 3.1 引言 | 第29-32页 |
| 3.2 基于距离的蚁狮优化算法 | 第32-36页 |
| 3.2.1 算法思想 | 第32页 |
| 3.2.2 随机游走过程 | 第32-33页 |
| 3.2.3 蚁狮选择与替换 | 第33-34页 |
| 3.2.4 基于距离的蚁狮优化算法流程 | 第34-36页 |
| 3.3 实验 | 第36-42页 |
| 3.3.1 实验设计 | 第36-38页 |
| 3.3.2 实验结果与分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于K-均值的ALO聚类算法 | 第43-51页 |
| 4.1 引言 | 第43-44页 |
| 4.2 K-均值算法 | 第44-45页 |
| 4.3 基于K-均值的ALO聚类算法 | 第45-47页 |
| 4.4 实验 | 第47-50页 |
| 4.4.1 实验数据集及对比算法 | 第47页 |
| 4.4.2 评价指标 | 第47-48页 |
| 4.4.3 实验结果与分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |
