自然计算模型在优化问题中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·引言 | 第9-10页 |
| ·优化问题模型 | 第10页 |
| ·自然计算相关模型与算法 | 第10-17页 |
| ·遗传算法 | 第11-13页 |
| ·粒子群优化算法 | 第13-15页 |
| ·人工免疫算法 | 第15-17页 |
| ·论文主要内容与结构安排 | 第17-19页 |
| 第二章 基于佳点理论的均匀初始群体设计 | 第19-28页 |
| ·佳点集基本定义与性质 | 第19-21页 |
| ·遗传算法中的佳点交叉算子 | 第21-23页 |
| ·二进制编码条件下的佳点交叉算子 | 第21页 |
| ·实数编码条件下的佳点交叉算子 | 第21-23页 |
| ·基于佳点理论的均匀初始群体设计 | 第23-24页 |
| ·基于均匀初始化遗传算法的圆柱度误差评定 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 变焦佳点集遗传算法 | 第28-38页 |
| ·佳点集遗传算法 | 第28-31页 |
| ·变焦算法 | 第31-33页 |
| ·变焦佳点集遗传算法 | 第33-34页 |
| ·算法测试 | 第34-37页 |
| ·一维函数优化问题测试 | 第34-35页 |
| ·多维函数优化问题测试 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 面向多模态函数优化的改进小生境粒子群算法 | 第38-49页 |
| ·标准粒子群算法描述 | 第39页 |
| ·基于小生境熵控制的自适应粒子群算法 | 第39-42页 |
| ·边界动态识别的小生境算法 | 第39-40页 |
| ·小生境熵 | 第40页 |
| ·基于佳点搜索的群体多样性发掘方法 | 第40-41页 |
| ·基于小生境熵控制的自适应粒子群算法描述 | 第41-42页 |
| ·实验与结果分析一 | 第42-43页 |
| ·测试函数 | 第42页 |
| ·参数设置 | 第42页 |
| ·实验结果与分析 | 第42-43页 |
| ·串行多群体自适应小生境粒子群算法 | 第43-44页 |
| ·实验与结果分析二 | 第44-48页 |
| ·测试函数 | 第44-45页 |
| ·参数设置 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 面向多目标优化的适应度共享免疫克隆算法 | 第49-66页 |
| ·基本概念 | 第50-52页 |
| ·多目标优化问题数学定义 | 第50页 |
| ·免疫克隆选择算法 | 第50-52页 |
| ·表现型适应度共享策略 | 第52-53页 |
| ·决策空间佳点搜索方法 | 第53页 |
| ·适应度共享免疫克隆算法 | 第53-57页 |
| ·算法描述 | 第53-54页 |
| ·外部群体更新策略 | 第54-56页 |
| ·算法计算复杂性分析 | 第56-57页 |
| ·实验设计与结果分析 | 第57-65页 |
| ·测试函数 | 第57-58页 |
| ·算法参数设置 | 第58-59页 |
| ·评价指标 | 第59页 |
| ·实验结果与分析 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 结束语 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 发表文章 | 第74-75页 |
| 致谢 | 第75页 |
