第一章 绪论 | 第1-32页 |
·进化计算的发展概况 | 第8-13页 |
·进化计算原理与特点 | 第13-14页 |
·进化策略简介 | 第14-20页 |
·二元进化策略 | 第15-16页 |
·多元进化策略 | 第16页 |
·进化策略的特点 | 第16-19页 |
·进化策略的基本流程 | 第19-20页 |
·进化论的发展概况及对进化计算的影响 | 第20-28页 |
·进化没有方向没有终点 | 第20-23页 |
·“Evolution”译成“进化”或“演化”的思考 | 第23-26页 |
·进化论的新发展对进化计算的影响 | 第26-28页 |
·本文研究的主要内容 | 第28-32页 |
第二章 进化学习策略收敛性和逃逸能力 | 第32-44页 |
·问题的提出 | 第32-33页 |
·预备知识 | 第33-35页 |
·学习、基因型、表现型与适应度之间的关系 | 第33-34页 |
·拉马克的用进废退和达尔文的自然选择 | 第34-35页 |
·进化学习策略描述 | 第35-36页 |
·基于达尔文主义的进化学习策略(DELS)算法流程 | 第35-36页 |
·基于拉马克主义的进化学习策略(LELS) | 第36页 |
·收敛性证明和局部极值逃逸能力分析 | 第36-41页 |
·进化学习策略收敛性证明 | 第36-39页 |
·局部极值逃逸能力分析 | 第39-41页 |
·仿真实例 | 第41-43页 |
·本章小结 | 第43-44页 |
第三章 基于均匀分布变异算子的进化策略 | 第44-52页 |
·问题的提出 | 第44页 |
·基于均匀变异算子的进化策略描述 | 第44-46页 |
·算法流程 | 第44-46页 |
·变异过程 | 第46页 |
·收敛性证明 | 第46-48页 |
·局部极值逃逸能力分析 | 第48-50页 |
·仿真实例 | 第50-51页 |
·本章小结 | 第51-52页 |
第四章 基于均匀分布变异算子的进化学习策略 | 第52-62页 |
·问题的提出 | 第52页 |
·均匀进化学习策略描述 | 第52-55页 |
·基于达尔文主义的均匀进化学习策略(DUELS) | 第52-53页 |
·基于拉马克主义的进化学习策略(LUELS) | 第53-54页 |
·变异和学习的几何意义 | 第54-55页 |
·收敛性证明和局部极值逃逸能力分析 | 第55-57页 |
·均匀进化学习策略收敛性证明 | 第55页 |
·局部极值逃逸能力分析 | 第55-57页 |
·仿真实例 | 第57-58页 |
·本章小结 | 第58-62页 |
第五章 基于进化策略生成可解释性模糊系统 | 第62-78页 |
·引言 | 第62-63页 |
·模糊系统的可解释性 | 第63-67页 |
·最简约模糊划分 | 第64页 |
·模糊划分的完备-清晰性 | 第64-66页 |
·模糊规则的完备性与紧凑性 | 第66-67页 |
·模糊规则的一致性 | 第67页 |
·基于进化策略生成可解释性模糊系统 | 第67-76页 |
·采用进化策略的混和参数优化 | 第68-69页 |
·模糊系统编码和适值函数的建立 | 第69-70页 |
·优化过程 | 第70-72页 |
·仿真实例及分析 | 第72-76页 |
·本章小结 | 第76-78页 |
第六章 基于进化策略的K-MEANS聚类算法 | 第78-88页 |
·问题的提出 | 第78-79页 |
·K-MEANS聚类算法 | 第79页 |
·基于进化策略的聚类算法 | 第79-85页 |
·进化策略简介 | 第80-81页 |
·给定K值时的进化编码和适值函数的建立 | 第81-82页 |
·未给定K值时的进化编码和适值函数的建立 | 第82-83页 |
·提高搜索效率的经验公式 | 第83-85页 |
·仿真实例及分析 | 第85-86页 |
·本章小结 | 第86-88页 |
第七章 引入全局中间交叉算子的进化策略与LMS算法异同的探讨 | 第88-95页 |
·引言 | 第88-89页 |
·基础知识 | 第89-90页 |
·交叉算子简介 | 第89页 |
·LMS算法简介 | 第89-90页 |
·进化策略(ES)和LMS算法的比较 | 第90-94页 |
·本章小结 | 第94-95页 |
第八章 全文总结 | 第95-97页 |
主要参考文献 | 第97-110页 |
附录 本文采用的10个标准测试函数 | 第110-111页 |
攻读博士学位期间发表的主要学术论文 | 第111-112页 |
致谢 | 第112页 |