| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 插图索引 | 第14-16页 |
| 附表索引 | 第16-17页 |
| 第1章 绪论 | 第17-41页 |
| ·优化问题与优化算法 | 第17-23页 |
| ·优化问题 | 第17-18页 |
| ·优化算法 | 第18-23页 |
| ·免疫优化算法 | 第23-27页 |
| ·生物免疫系统 | 第23-24页 |
| ·人工免疫算法 | 第24-26页 |
| ·免疫优化算法 | 第26-27页 |
| ·混合免疫优化算法的研究概况 | 第27-36页 |
| ·混合优化算法的混合策略 | 第27-30页 |
| ·混合免疫优化算法的研究进展 | 第30-33页 |
| ·混合免疫优化算法的应用研究进展 | 第33-36页 |
| ·混合免疫优化算法研究存在的不足及解决思路 | 第36-38页 |
| ·混合免疫优化算法理论研究的不足及解决思路 | 第36-37页 |
| ·混合免疫优化算法应用研究的局限及扩展 | 第37-38页 |
| ·本论文的主要研究工作及内容安排 | 第38-41页 |
| 第2章 免疫算法和蚁群算法的混合及其在组合优化中的应用 | 第41-61页 |
| ·引言 | 第41-43页 |
| ·组合优化问题及旅行商问题 | 第43-46页 |
| ·组合优化问题 | 第43-44页 |
| ·旅行商问题(TSP) | 第44-46页 |
| ·基于抗体小窗口局部搜索的蚁群和免疫混合算法(ACLA) | 第46-55页 |
| ·ACLA算法流程 | 第46-47页 |
| ·混沌蚁群算法 | 第47-50页 |
| ·基于免疫基因操作的克隆选择算法 | 第50-54页 |
| ·抗体小窗口局部搜索算法 | 第54-55页 |
| ·ACLA算法收敛性分析 | 第55-57页 |
| ·实验仿真 | 第57-60页 |
| ·算法比较 | 第57-59页 |
| ·ACLA算法与ACS算法性能比较 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第3章 分层协同进化免疫算法及其在组合优化中的应用 | 第61-87页 |
| ·引言 | 第61-62页 |
| ·协同进化及协同进化算法 | 第62-65页 |
| ·协同进化 | 第62-63页 |
| ·协同进化算法 | 第63-65页 |
| ·分层协同进化免疫模型及算法(HCIA) | 第65-77页 |
| ·亲和度函数 | 第65-66页 |
| ·HCIA算法的模型及流程 | 第66-68页 |
| ·HCIA算法的低层操作 | 第68-76页 |
| ·HCIA算法的高层操作 | 第76-77页 |
| ·分层协同进化免疫算法收敛性分析 | 第77-79页 |
| ·分层协同进化免疫算法在TSP中的仿真实验 | 第79-85页 |
| ·算法比较 | 第79-83页 |
| ·抗体个数m对HCIA算法性能影响 | 第83-84页 |
| ·子种群个数NN对HCIA算法性能影响 | 第84-85页 |
| ·ACLA算法与HCIA算法性能比较 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第4章 多子种群粒子群免疫协同进化算法及其在数值优化中的应用 | 第87-114页 |
| ·引言 | 第87-88页 |
| ·数值优化问题及函数最优化问题 | 第88-89页 |
| ·数值优化问题 | 第88-89页 |
| ·函数最优化问题 | 第89页 |
| ·多子种群粒子群免疫协同进化算法(MAPCPSOI)模型及流程 | 第89-93页 |
| ·MAPCPSOI算法模型 | 第89-90页 |
| ·MAPCPSOI算法流程 | 第90-93页 |
| ·MAPCPSOI算法的实现 | 第93-99页 |
| ·低层自适应多态杂交粒子群算法 | 第93-97页 |
| ·基于种间协同竞争的高层免疫算法 | 第97-98页 |
| ·同峰判断算子 | 第98-99页 |
| ·函数优化仿真测试 | 第99-113页 |
| ·MAPCPSOI算法参数分析 | 第101-106页 |
| ·对比实验研究 | 第106-108页 |
| ·高维及超高维函数对比实验 | 第108-110页 |
| ·多模态函数全局优化实验 | 第110-112页 |
| ·子种群多样性分析 | 第112-113页 |
| ·本章小结 | 第113-114页 |
| 第5章 免疫算法的混合及其在多模态函数优化问题中的应用 | 第114-149页 |
| ·引言 | 第114-115页 |
| ·多模态函数优化问题及适应度函数 | 第115-116页 |
| ·多模态函数优化问题 | 第115页 |
| ·适应度函数 | 第115-116页 |
| ·融合Powell法的粒子群优化算法(IPSO-P) | 第116-120页 |
| ·IPSO-P算法流程 | 第116-118页 |
| ·标准粒子群算法及其改进 | 第118-119页 |
| ·Powell搜索法 | 第119-120页 |
| ·极值点的同峰判断 | 第120页 |
| ·IPSO-P算法在多模态函数中仿真实验 | 第120-127页 |
| ·Powell法搜索概率的确定 | 第122-124页 |
| ·与其他算法仿真对比实验 1 | 第124-126页 |
| ·与其他算法仿真对比实验 2 | 第126-127页 |
| ·免疫云粒子群优化算法(PPSO) | 第127-135页 |
| ·PPSO算法流程 | 第128-130页 |
| ·云变异粒子群优化算法 | 第130-133页 |
| ·自适应小波变异克隆选择算法 | 第133-135页 |
| ·PPSO算法性能及全局收敛性分析 | 第135-137页 |
| ·算法性能分析 | 第135-136页 |
| ·全局收敛性分析 | 第136-137页 |
| ·PPSO算法在多模态函数中仿真实验 | 第137-145页 |
| ·二维多模态函数仿真实验 | 第138-141页 |
| ·搜索性能分析 | 第141-144页 |
| ·高维多模态函数仿真实验 | 第144-145页 |
| ·IPSO-P算法与PPSO算法对比 | 第145-147页 |
| ·本章小结 | 第147-149页 |
| 第6章 免疫云粒子群优化算法在离散混沌系统滑模控制中的应用 | 第149-166页 |
| ·引言 | 第149-150页 |
| ·神经滑模等效控制 | 第150-153页 |
| ·滑模控制 | 第150页 |
| ·BP神经网络流程 | 第150-151页 |
| ·基于等效控制方法的神经滑模控制 | 第151-153页 |
| ·基于PPSO算法的神经滑模等效控制(PPSO-NNSMC) | 第153-155页 |
| ·评价函数的选择 | 第153-154页 |
| ·PPSO-NNSMC流程 | 第154-155页 |
| ·基于PPSO-NNSMC的离散混沌系统仿真实验 | 第155-165页 |
| ·非线性系统算例仿真实验 | 第155-157页 |
| ·Henon混沌系统仿真实验 | 第157-163页 |
| ·六辊UC轧机混沌系统仿真实验 | 第163-165页 |
| ·本章小结 | 第165-166页 |
| 总结及展望 | 第166-170页 |
| 参考文献 | 第170-185页 |
| 致谢 | 第185-186页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第186-187页 |
| 附录B 攻读学位期间主持或参研的项目目录 | 第187页 |
