一种新型的群智能优化算法—细胞膜优化算法及其应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-30页 |
| ·课题研究的背景和意义 | 第10页 |
| ·群体智能的优点 | 第10-11页 |
| ·国内外的研究现状 | 第11-12页 |
| ·各种群智能优化算法概述 | 第12-28页 |
| ·遗传算法 | 第12-13页 |
| ·蚁群优化算法 | 第13-14页 |
| ·文化算法 | 第14-16页 |
| ·粒子群优化算法 | 第16-17页 |
| ·和声搜索算法 | 第17-18页 |
| ·人工鱼群算法 | 第18-19页 |
| ·社会认知优化算法 | 第19-20页 |
| ·类电磁机制算法 | 第20-21页 |
| ·混合蛙跳算法 | 第21-22页 |
| ·自由搜索算法 | 第22-23页 |
| ·人口迁移算法 | 第23-24页 |
| ·细菌群体趋药性算法 | 第24-27页 |
| ·人工蜂群算法 | 第27-28页 |
| ·本文的主要研究内容和结构 | 第28-30页 |
| 第二章 细胞膜优化算法 | 第30-54页 |
| ·细胞膜优化算法(CMO)的构思 | 第30页 |
| ·细胞膜优化算法(CMO)的提出 | 第30-44页 |
| ·CMO 的总体步骤 | 第31-32页 |
| ·参数的设定和物质初始化 | 第32-33页 |
| ·物质类型划分 | 第33-34页 |
| ·脂溶性物质自由扩散 | 第34-36页 |
| ·高浓度非脂溶性物质运动 | 第36-38页 |
| ·低浓度物质运动 | 第38-41页 |
| ·当前最优物质循环运动 | 第41-43页 |
| ·更新物质 | 第43-44页 |
| ·可调参数说明 | 第44页 |
| ·评价指标 | 第44-46页 |
| ·CMO 的性能测试与分析 | 第46-53页 |
| ·CMO 测试初步 | 第46-49页 |
| ·各参数对算法性能的影响 | 第49-51页 |
| ·各种物质运动对算法性能的影响 | 第51-52页 |
| ·各个参数对时间影响分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第三章 基于细胞膜优化算法的函数优化 | 第54-75页 |
| ·引言 | 第54页 |
| ·低维函数优化 | 第54-66页 |
| ·低维函数说明 | 第54-62页 |
| ·低维函数优化结果及分析 | 第62-66页 |
| ·高维函数优化 | 第66-74页 |
| ·高维函数说明 | 第66-71页 |
| ·高维函数优化结果及分析 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第四章 基于细胞膜优化算法的方程求根 | 第75-81页 |
| ·问题描述 | 第75页 |
| ·非线性方程求解 | 第75-77页 |
| ·非线性方程组求解 | 第77-79页 |
| ·超定方程组求解 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 细胞膜优化算法在聚类中的应用 | 第81-87页 |
| ·聚类分析的数学模型 | 第81页 |
| ·聚类算法 | 第81-82页 |
| ·K-Means 聚类算法 | 第81-82页 |
| ·基于CMO 的聚类算法 | 第82页 |
| ·聚类算法数值实验 | 第82-86页 |
| ·评价指标 | 第82-83页 |
| ·二维随机数据实验 | 第83-84页 |
| ·UCI 集数据实验 | 第84-85页 |
| ·实验结果分析与讨论 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 细胞膜优化算法在红外图像匹配中的应用 | 第87-98页 |
| ·引言 | 第87-88页 |
| ·基于CMO 的红外图像匹配算法 | 第88-96页 |
| ·总体框架 | 第88页 |
| ·基于全变分法的图像去噪 | 第88-90页 |
| ·提取SUSAN 角点特征 | 第90-92页 |
| ·基于LTS-HD 距离的相似性度量 | 第92-93页 |
| ·CMO 优化求解 | 第93-95页 |
| ·实验结果 | 第95-96页 |
| ·本章小结 | 第96-98页 |
| 结论 | 第98-100页 |
| 参考文献 | 第100-106页 |
| 附录 | 第106-113页 |
| 攻读硕士学位期间取得的研究成果 | 第113-114页 |
| 致谢 | 第114-115页 |
| 附件 | 第115页 |
