人工鱼群智能优化算法的改进及应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-34页 |
| ·引言 | 第11-12页 |
| ·优化问题 | 第12-14页 |
| ·计算智能 | 第14-20页 |
| ·概述 | 第14-16页 |
| ·进化计算 | 第16-17页 |
| ·人工生命 | 第17-20页 |
| ·群体智能 | 第20-30页 |
| ·概述 | 第20-22页 |
| ·蚁群算法 | 第22-24页 |
| ·粒子群优化算法 | 第24-26页 |
| ·人工鱼群算法 | 第26-29页 |
| ·AFSA与其它群体智能优化算法的异同比较 | 第29-30页 |
| ·人工鱼群算法的研究概况 | 第30-31页 |
| ·本文主要研究内容 | 第31-34页 |
| 2 基于变异算子与模拟退火混合的人工鱼群优化算法 | 第34-52页 |
| ·引言 | 第34页 |
| ·人工鱼群算法 | 第34-40页 |
| ·人工鱼群算法的基本思想 | 第34-36页 |
| ·人工鱼群算法描述 | 第36-40页 |
| ·带变异算子的人工鱼群算法 | 第40-41页 |
| ·基于变异算子与SA混合的AFSA | 第41-48页 |
| ·模拟退火算法 | 第41-45页 |
| ·退火局部优化算法 | 第45-46页 |
| ·基于变异算子与SA混合的AFSA | 第46-48页 |
| ·仿真实验 | 第48-50页 |
| ·函数测试 | 第48-50页 |
| ·实例测试 | 第50页 |
| ·本章小结 | 第50-52页 |
| 3 基于生境人工鱼群算法的多峰问题优化 | 第52-70页 |
| ·引言 | 第52-53页 |
| ·自适应序列生境鱼群算法 | 第53-58页 |
| ·序列小生境技术 | 第53-56页 |
| ·自适应序列生境人工鱼群算法 | 第56-58页 |
| ·高精度多峰问题求解的实现 | 第58-61页 |
| ·退火局部优化算法 | 第58-59页 |
| ·高精度的序列生境人工鱼群算法 | 第59-61页 |
| ·仿真实验与性能分析 | 第61-69页 |
| ·本章小结 | 第69-70页 |
| 4 基于人工鱼群算法的分类规则挖掘算法 | 第70-80页 |
| ·引言 | 第70页 |
| ·分类概述 | 第70-73页 |
| ·基于人工鱼群算法的分类规则挖掘算法设计 | 第73-78页 |
| ·分类规则描述及编码设计 | 第73-74页 |
| ·分类规则适应值函数 | 第74-76页 |
| ·基于AFSA的分类规则生成 | 第76-77页 |
| ·规则剪枝和训练集修改 | 第77-78页 |
| ·分类规则挖掘的人工鱼群算法描述 | 第78页 |
| ·仿真实验 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 5 基于人工鱼群算法的神经网络分类器 | 第80-89页 |
| ·引言 | 第80页 |
| ·基于人工鱼群算法的神经网络优化 | 第80-87页 |
| ·编码设计 | 第82-83页 |
| ·适应值函数设计 | 第83页 |
| ·基于AFSA的神经网络优化算法 | 第83-87页 |
| ·仿真实验与性能分析 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 6 基于人工鱼群算法的生物制氢工艺优化 | 第89-100页 |
| ·引言 | 第89页 |
| ·生物制氢概述 | 第89-92页 |
| ·生物制氢方法 | 第90页 |
| ·光合细菌制氢 | 第90-92页 |
| ·太阳能光合生物制氢实验系统和工艺条件 | 第92-94页 |
| ·太阳能光合生物制氢实验系统 | 第92-94页 |
| ·工艺条件 | 第94页 |
| ·AFSA优化神经网络结构 | 第94-97页 |
| ·确定初始神经网络 | 第94-95页 |
| ·AFSA优化神经网络结构 | 第95-97页 |
| ·AFSA实现制氢工艺条件优化 | 第97-99页 |
| ·本章小结 | 第99-100页 |
| 结论 | 第100-102页 |
| 参考文献 | 第102-108页 |
| 攻读博士学位期间发表学术论文情况 | 第108-109页 |
| 致谢 | 第109-110页 |
