粒子群算法改进方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·研究的意义和背景 | 第9-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·粒子群优化算法的进展 | 第11-14页 |
| ·粒子群优化算法应用 | 第14-15页 |
| ·论文的创新点 | 第15页 |
| ·论文结构安排 | 第15-17页 |
| 2 粒子群算法 | 第17-23页 |
| ·标准PSO算法 | 第17-19页 |
| ·算法原理 | 第17页 |
| ·算法流程 | 第17-18页 |
| ·参数分析 | 第18-19页 |
| ·PSO算法与其他智能算法的比较 | 第19-23页 |
| ·蚁群算法 | 第19-21页 |
| ·遗传算法 | 第21-23页 |
| 3 基于扩张变异的云自适应粒子群算法 | 第23-31页 |
| ·云理论 | 第23-24页 |
| ·基本概念 | 第23页 |
| ·基本云发生器 | 第23-24页 |
| ·X--条件云发生器 | 第24页 |
| ·云自适应粒子群优化算法 | 第24-26页 |
| ·扩张变异 | 第26-27页 |
| ·扩张变异的定义 | 第26页 |
| ·扩张变异的性质 | 第26-27页 |
| ·扩张变异的对象及效果 | 第27页 |
| ·算法的流程 | 第27-28页 |
| ·仿真实验 | 第28-30页 |
| ·本章总结 | 第30-31页 |
| 4 多种群粒子群优化算法 | 第31-35页 |
| ·多种群的基本改进思想及新创新点 | 第31页 |
| ·算法流程 | 第31-32页 |
| ·仿真实验 | 第32-34页 |
| ·本章总结 | 第34-35页 |
| 5 基于粒子群的人工鱼群混合算法 | 第35-42页 |
| ·人工鱼群算法 | 第35-36页 |
| ·行为描述 | 第35-36页 |
| ·行为选择 | 第36页 |
| ·基于粒子群的人工鱼群混合算法 | 第36-37页 |
| ·仿真实验 | 第37-41页 |
| ·函数测试 | 第37-38页 |
| ·实例测试 | 第38-41页 |
| ·本章总结 | 第41-42页 |
| 6 总结与展望 | 第42-43页 |
| ·本文的工作总结 | 第42页 |
| ·工作展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 附录 | 第46-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 攻读学位期间参加的科研项目 | 第55页 |
