复杂优化问题中小生境粒子群优化算法的改进及研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-22页 |
| ·研究背景及研究意义 | 第12-13页 |
| ·优化问题的描述和分类 | 第13-14页 |
| ·优化问题的描述 | 第13页 |
| ·优化问题的常规分类 | 第13-14页 |
| ·多模优化问题简介及研究现状 | 第14-16页 |
| ·多模优化问题简介 | 第14-15页 |
| ·研究现状 | 第15-16页 |
| ·动态优化问题简介及研究现状 | 第16-19页 |
| ·动态优化问题简介 | 第16-17页 |
| ·研究现状 | 第17-19页 |
| ·本文主要研究内容和方法 | 第19-20页 |
| ·本文主要研究内容 | 第19页 |
| ·本文研究采用的主要方法 | 第19-20页 |
| ·组织结构 | 第20-22页 |
| 2 粒子群优化算法综述 | 第22-35页 |
| ·PSO概述 | 第22-27页 |
| ·来源及研究现状 | 第22-23页 |
| ·PSO原理 | 第23-24页 |
| ·基本粒子群算法的社会行为分析 | 第24页 |
| ·算法流程 | 第24-26页 |
| ·粒子群优化算法的特点 | 第26-27页 |
| ·PSO发展 | 第27-30页 |
| ·惯性权重线性递减的PSO | 第27页 |
| ·基于拓扑结构的PSO算法 | 第27-28页 |
| ·基于单维引导的粒子群优化算法 | 第28页 |
| ·基于多种群的粒子群优化算法 | 第28-29页 |
| ·基于自适应的粒子群优化算法 | 第29页 |
| ·混合粒子群优化算法 | 第29-30页 |
| ·其它相关进化算法的介绍 | 第30-33页 |
| ·遗传算法 | 第30页 |
| ·差分进化算法 | 第30-32页 |
| ·蚁群算法 | 第32页 |
| ·免疫算法 | 第32-33页 |
| ·模拟退火算法 | 第33页 |
| ·PSO与其它进化算法比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 3 小生境及改进的粒子群优化算法 | 第35-43页 |
| ·小生境及小生境技术简介 | 第35-36页 |
| ·小生境简介 | 第35页 |
| ·小生境技术介绍 | 第35-36页 |
| ·小生境技术中基本概念的介绍 | 第36-37页 |
| ·小生境技术的应用与发展 | 第37-39页 |
| ·小生境技术在PSO算法中的应用与发展 | 第37-38页 |
| ·小生境技术在其它进化中的发展与应用 | 第38-39页 |
| ·基于FER的小生境粒子群优化算法 | 第39-42页 |
| ·基于FDR的粒子群优化算法 | 第39-40页 |
| ·基于FER的粒子群优化算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 多模优化 | 第43-55页 |
| ·多模优化问题定义及评价标准 | 第43-46页 |
| ·多模优化问题定义 | 第43页 |
| ·多模标准测试函数 | 第43-45页 |
| ·性能评价和标准 | 第45-46页 |
| ·改进的算法应用于多模优化 | 第46-48页 |
| ·改进算法设计和分析 | 第46-47页 |
| ·改进算法步骤 | 第47-48页 |
| ·实验和仿真结果 | 第48-49页 |
| ·实验设置 | 第48-49页 |
| ·仿真结果 | 第49-54页 |
| ·成功率 | 第49页 |
| ·平均每次找到的极值点数 | 第49-51页 |
| ·平均成功评价次数 | 第51页 |
| ·MPR | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 5 动态优化 | 第55-69页 |
| ·动态优化问题定义及评价标准 | 第55-59页 |
| ·动态优化问题定义 | 第55页 |
| ·动态标准测试函数 | 第55-58页 |
| ·性能评价和标准 | 第58-59页 |
| ·改进的算法应用于动态优化 | 第59-60页 |
| ·改进算法设计 | 第59-60页 |
| ·改进算法分析 | 第60页 |
| ·实验和仿真结果 | 第60-67页 |
| ·实验设置 | 第60-61页 |
| ·仿真结果 | 第61-67页 |
| ·结果分析 | 第67页 |
| ·本章小结 | 第67-69页 |
| 6 结论和展望 | 第69-71页 |
| ·论文总结 | 第69-70页 |
| ·论文展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 个人简历、在学期间发表的学术论文和研究成果 | 第76页 |
