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

动态拓扑混合作用力微粒群算法及应用

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-22页
    1.1 课题研究背景及意义第11页
    1.2 群体智能算法及应用第11-13页
    1.3 微粒群算法的研究现状第13-18页
        1.3.1 速度更新公式第13-15页
        1.3.2 微粒群算法种群拓扑结构第15-18页
        1.3.3 算法应用第18页
    1.4 课题来源第18页
    1.5 研究思路与内容安排第18-22页
        1.5.1 问题提出第19页
        1.5.2 研究思路第19页
        1.5.3 内容安排第19-22页
第2章 混合作用力微粒群算法第22-40页
    2.1 标准微粒群算法第22-24页
    2.2 混合作用力微粒群算法第24-29页
        2.2.1 作用力规则构造第24-26页
        2.2.2 微粒速度与位置更新第26-29页
    2.3 标准优化测试函数第29-32页
        2.3.1 单峰测试函数第29-30页
        2.3.2 多峰测试函数第30-32页
        2.3.3 病态测试函数第32页
    2.4 算法优化性能测试第32-39页
        2.4.1 算法性能评价指标第32-34页
        2.4.2 算法优化性能对比测试第34-37页
        2.4.3 算法种群多样性测试第37-39页
    2.5 本章小结第39-40页
第3章 混合作用力微粒群算法种群结构研究第40-60页
    3.1 种群拓扑结构第40-44页
        3.1.1 种群拓扑结构的特征度量第41-42页
        3.1.2 典型种群拓扑结构第42-44页
    3.2 混合作用力微粒群算法静态种群结构研究第44-51页
        3.2.1 平均度与算法寻优能力的关系分析第44-46页
        3.2.2 静态种群结构与算法寻优能力的关系第46-49页
        3.2.3 静态种群结构与种群多样性的关系第49-51页
    3.3 动态小世界网络模型第51-55页
        3.3.1 动态小世界网络模型构造算法第51-52页
        3.3.2 主要动态拓扑特征度量测试第52-55页
    3.4 动态小世界混合作用力微粒群算法第55-59页
        3.4.1 算法执行步骤第56-57页
        3.4.2 算法寻优能力测试第57-59页
    3.5 本章小结第59-60页
第4章 基于有向动态拓扑的混合作用力微粒群算法第60-76页
    4.1 适应值驱动边变化有向动态拓扑结构第60-65页
        4.1.1 FEUDT结构的演化步骤第62-63页
        4.1.2 适应值算法设计第63页
        4.1.3 有向边的减边概率与微粒连接概率第63-64页
        4.1.4 概率选择机制第64-65页
    4.2 动态拓扑混合作用力微粒群算法第65-66页
    4.3 结构特征度量分析和算法性能测试第66-72页
        4.3.1 阈值对结构特征度量的影响第67-68页
        4.3.2 阈值对算法性能的影响第68-70页
        4.3.3 算法动态种群拓扑结构第70-72页
    4.4 动态拓扑混合作用力微粒群算法性能测试第72-75页
        4.4.1 算法寻优能力测试第72-74页
        4.4.2 算法收敛速度测试第74-75页
    4.5 本章小结第75-76页
第5章 动态拓扑混合作用力微粒群算法应用第76-96页
    5.1 液压系统可靠性优化第76-83页
        5.1.1 基于T-S故障树的可靠性建模方法第76-78页
        5.1.2 液压工作系统可靠性优化建模第78-81页
        5.1.3 液压工作系统可靠性优化第81-83页
    5.2 阀块加工车间调度优化第83-95页
        5.2.1 阀块加工工艺第83-85页
        5.2.2 调度优化建模第85-88页
        5.2.3 阀块加工车间调度优化第88-95页
    5.3 本章小结第95-96页
结论第96-98页
参考文献第98-105页
攻读硕士学位期间承担的科研任务与主要成果第105-106页
致谢第106-107页
作者简介第107页

论文共107页,点击 下载论文
上一篇:基于Euler-Lagrange多智能体系统的协同控制算法设计
下一篇:基于BP神经网络模型下预测吉林省GDP