首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

进化策略学习、收敛和逃逸能力的研究及应用

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

论文共112页,点击 下载论文
上一篇:优化某自动化企业采购与供应控制问题的研究
下一篇:体外CIK细胞的细胞因子表达谱研究