基于动态策略的粒子群优化算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·问题的提出 | 第10-11页 |
| ·国内外研究进展 | 第11-14页 |
| ·算法的理论分析 | 第11-12页 |
| ·邻域拓扑结构 | 第12-13页 |
| ·参数选择与优化 | 第13页 |
| ·与其它演化算法相融合 | 第13-14页 |
| ·算法应用 | 第14页 |
| ·本文的主要工作及其创新点 | 第14-17页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的创新点 | 第16-17页 |
| ·论文内容安排 | 第17-18页 |
| 第2章 PSO算法设计框架优化 | 第18-30页 |
| ·算法起源 | 第18-19页 |
| ·生物群体行为模仿 | 第18-19页 |
| ·人类社会行为模仿 | 第19页 |
| ·原始的PSO算法 | 第19-21页 |
| ·其它的表达方式 | 第21-22页 |
| ·二进制的PSO | 第21页 |
| ·离散的PSO | 第21-22页 |
| ·PSO算法设计框架 | 第22-23页 |
| ·PSO算法的设计框架优化 | 第23-29页 |
| ·粒子群邻域拓扑 | 第23-25页 |
| ·惯性权重和收缩因子 | 第25-26页 |
| ·充分联系的粒子群 | 第26-27页 |
| ·初始化和边界条件 | 第27页 |
| ·粒子数目 | 第27-28页 |
| ·优化的PSO算法设计框架 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于动态记忆策略的粒子群优化算法 | 第30-48页 |
| ·对个体行为的深入理解 | 第30-32页 |
| ·个体记忆对个体成功的作用分析 | 第32-33页 |
| ·基于动态记忆策略的PSO算法 | 第33-38页 |
| ·个体记忆贡献度的定义及其度量方法 | 第33-35页 |
| ·动态调整个体记忆权重的策略 | 第35-36页 |
| ·算法思想 | 第36-37页 |
| ·算法流程 | 第37-38页 |
| ·数值实验 | 第38-47页 |
| ·测试函数描述 | 第39-41页 |
| ·度量方法 | 第41-42页 |
| ·关于实验的相关说明 | 第42-44页 |
| ·实验结果及分析 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第4章 基于动态邻域策略的粒子群优化算法 | 第48-61页 |
| ·粒子群中的邻域拓扑 | 第48-50页 |
| ·不同的邻域拓扑对 PSO算法性能的影响 | 第50-52页 |
| ·动态邻域生成策略 | 第52-56页 |
| ·全局更新策略 | 第53-54页 |
| ·个体自适应策略 | 第54-56页 |
| ·数值实验 | 第56-60页 |
| ·相关说明 | 第56-57页 |
| ·实验结果及分析 | 第57-60页 |
| ·小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·全文工作总结 | 第61-62页 |
| ·未来工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录 硕士期间参与的科研项目和发表的论文 | 第70页 |
