| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文研究内容 | 第12页 |
| 1.5 本论文的组织结构 | 第12-14页 |
| 第2章 差分演化算法研究综述 | 第14-17页 |
| 2.1 差分演化算法原理 | 第14-15页 |
| 2.2 差分演化算法控制参数分析 | 第15-16页 |
| 2.3 差分演化算法改进方法 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 集成柯西变异和方向学习的差分演化算法 | 第17-28页 |
| 3.1 引言 | 第17-18页 |
| 3.2 CODE算法 | 第18-21页 |
| 3.2.1 反向学习 | 第18页 |
| 3.2.2 柯西变异 | 第18-19页 |
| 3.2.3 CODE算法思想 | 第19-20页 |
| 3.2.4 算法描述 | 第20-21页 |
| 3.3 实验仿真及分析 | 第21-27页 |
| 3.3.1 测试函数 | 第21-22页 |
| 3.3.2 实验结果与分析 | 第22-27页 |
| 3.4 小结 | 第27-28页 |
| 第4章 基于自适应变异算子的差分演化算法 | 第28-42页 |
| 4.1 引言 | 第28页 |
| 4.2 差分演化算法 | 第28-29页 |
| 4.3 AMODE算法 | 第29-36页 |
| 4.3.1 加权异维学习 | 第30-32页 |
| 4.3.2 基于种群聚集度自适应的变异算子 | 第32-33页 |
| 4.3.3 AMODE算法步骤 | 第33-34页 |
| 4.3.4 算法流程图 | 第34-35页 |
| 4.3.5 算法复杂度分析 | 第35-36页 |
| 4.4 实验仿真及分析 | 第36-41页 |
| 4.4.1 测试函数 | 第36页 |
| 4.4.2 参数设置 | 第36页 |
| 4.4.3 实验结果及分析 | 第36-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 AMODE在资源受限的项目调度问题中的应用 | 第42-50页 |
| 5.1 引言 | 第42页 |
| 5.2 资源受限的项目调度问题 | 第42-44页 |
| 5.2.1 概念描述 | 第42-43页 |
| 5.2.2 项目网络图 | 第43页 |
| 5.2.3 描述及数学模型 | 第43-44页 |
| 5.3 应用AMODE算法求解RCPSP | 第44-46页 |
| 5.3.1 RCPSP与DE个体的映射 | 第44-45页 |
| 5.3.2 进度生成方法 | 第45页 |
| 5.3.3 AMODE求解RCPSP的算法流程 | 第45-46页 |
| 5.4 实验仿真及分析 | 第46-49页 |
| 5.4.1 实验参数 | 第46页 |
| 5.4.2 项目实例 | 第46-47页 |
| 5.4.3 实验结果及分析 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 对本文的总结 | 第50页 |
| 6.2 对未来的展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 附录1 攻读硕士学位期间发表的论文 | 第59-60页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 详细摘要 | 第61-65页 |