| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-16页 |
| 1.1 群智能优化方法研究背景及意义 | 第13-14页 |
| 1.2 群智能优化方法研究现状 | 第14-15页 |
| 1.3 本文的研究内容和组织结构 | 第15-16页 |
| 第二章 萤火虫优化算法 | 第16-23页 |
| 2.1 萤火虫优化算法的仿生学原理 | 第16页 |
| 2.2 萤火虫优化算法描述 | 第16-19页 |
| 2.2.1 荧光素值更新 | 第17页 |
| 2.2.2 寻找最亮个体 | 第17-18页 |
| 2.2.3 萤火虫位置更新 | 第18页 |
| 2.2.4 邻域半径更新 | 第18-19页 |
| 2.3 萤火虫优化算法的实现 | 第19-22页 |
| 2.3.1 萤火虫优化算法具体实现步骤 | 第19页 |
| 2.3.2 萤火虫优化算法代码框架 | 第19-21页 |
| 2.3.3 萤火虫优化算法流程图 | 第21-22页 |
| 2.4 萤火虫优化算法的研究现状 | 第22页 |
| 2.5 小结 | 第22-23页 |
| 第三章 可自适应搜索的改进萤火虫算法 | 第23-45页 |
| 3.1 多模函数优化问题 | 第23-24页 |
| 3.2 萤火虫优化算法优缺点 | 第24-26页 |
| 3.2.1 萤火虫优化算法的优点 | 第24-25页 |
| 3.2.2 萤火虫优化算法存在的缺点及分析 | 第25-26页 |
| 3.3 可自适应搜索的改进萤火虫算法 | 第26-29页 |
| 3.3.1 改进方法描述 | 第26页 |
| 3.3.2 可自适应搜索的改进萤火虫算法实现步骤 | 第26-27页 |
| 3.3.3 可自适应搜索的改进萤火虫算法流程图 | 第27-29页 |
| 3.4 数值实验 | 第29-44页 |
| 3.4.1 实验环境和公共参数设置 | 第29页 |
| 3.4.2 算法全局寻优数值实验 | 第29-36页 |
| 3.4.3 算法局部寻优数值实验 | 第36-44页 |
| 3.4.4 IGSO和其他算法的比较 | 第44页 |
| 3.5 小结 | 第44-45页 |
| 第四章 基于捕食搜索策略的萤火虫和粒子群混合优化算法 | 第45-67页 |
| 4.1 捕食搜索算法 | 第45-47页 |
| 4.1.1 捕食搜索算法原理 | 第45-46页 |
| 4.1.2 捕食搜索算法描述 | 第46-47页 |
| 4.2 粒子群优化算法 | 第47-52页 |
| 4.2.1 粒子群优化算法原理 | 第48-49页 |
| 4.2.2 粒子群优化算法描述 | 第49-51页 |
| 4.2.3 粒子群优化算法流程 | 第51-52页 |
| 4.3 萤火虫和粒子群混合优化算法 | 第52-55页 |
| 4.3.1 萤火虫和粒子群混合优化算法的提出 | 第53页 |
| 4.3.2 萤火虫和粒子群混合优化算法描述 | 第53-54页 |
| 4.3.3 萤火虫和粒子群混合优化算法流程 | 第54-55页 |
| 4.4 数值实验 | 第55-66页 |
| 4.4.1 实验环境和公共参数设置 | 第56-57页 |
| 4.4.2 实验结果及分析 | 第57-65页 |
| 4.4.3 PGSO和其他算法的比较 | 第65-66页 |
| 4.5 小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文 | 第74-76页 |
| 致谢 | 第76页 |