基于空间搜索的遗传算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景、目的及意义 | 第9-10页 |
| 1.2 研究概述 | 第10-11页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要研究内容及创新之处 | 第11-13页 |
| 1.3.1 论文的主要研究内容 | 第11-13页 |
| 1.3.2 论文的创新之处 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 2 遗传算法及空间搜索 | 第15-24页 |
| 2.1 遗传算法 | 第15-17页 |
| 2.1.1 模式定理 | 第16页 |
| 2.1.2 遗传算法的收敛性和完备性分析 | 第16-17页 |
| 2.2 遗传算法的流程 | 第17-19页 |
| 2.3 空间搜索策略 | 第19-23页 |
| 2.3.1 空间划分与搜索 | 第21页 |
| 2.3.2 空间收缩 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 单目标遗传算法的改进 | 第24-40页 |
| 3.1 遗传算法 | 第24-26页 |
| 3.1.1 基于小生境技术的遗传算法 | 第25-26页 |
| 3.1.2 基于协同进化的遗传算法 | 第26页 |
| 3.2 自适应遗传算法 | 第26-27页 |
| 3.3 基于空间划分的改进原理 | 第27-31页 |
| 3.3.1 变量空间的划分 | 第28-29页 |
| 3.3.2 较优空间的选择 | 第29-30页 |
| 3.3.3 隐含可变编码的方式 | 第30-31页 |
| 3.4 基于空间划分的改进流程 | 第31-33页 |
| 3.4.1 种群重新分配的过程 | 第31-32页 |
| 3.4.2 算法改进的主要流程 | 第32-33页 |
| 3.5 实验及结果分析 | 第33-39页 |
| 3.5.1 实验参数 | 第33-34页 |
| 3.5.2 测试函数和评价标准 | 第34页 |
| 3.5.3 实验结果与分析 | 第34-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 策略在多目标遗传算法中的改进 | 第40-56页 |
| 4.1 多目标遗传算法 | 第40-42页 |
| 4.1.1 基于支配解的遗传算法 | 第40-41页 |
| 4.1.2 基于降维的遗传算法 | 第41-42页 |
| 4.1.3 基于指标的遗传算法 | 第42页 |
| 4.2 NSGA2遗传算法 | 第42-45页 |
| 4.2.1 NSGA2算法的流程 | 第43-44页 |
| 4.2.2 通常NSGA2的改进方向 | 第44-45页 |
| 4.3 基于空间搜索的改进原理 | 第45-48页 |
| 4.3.1 空间决策树的建立 | 第46页 |
| 4.3.2 空间决策树的修剪 | 第46-47页 |
| 4.3.3 较优空间的选择 | 第47-48页 |
| 4.4 基于空间决策树的改进流程 | 第48-50页 |
| 4.4.1 建立空间决策树的流程 | 第48-50页 |
| 4.4.2 算法改进的主要流程 | 第50页 |
| 4.5 实验及结果分析 | 第50-55页 |
| 4.5.1 实验参数 | 第50-51页 |
| 4.5.2 测试函数和评价标准 | 第51页 |
| 4.5.3 实验结果及分析 | 第51-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 算法在图像分割中的应用 | 第56-62页 |
| 5.1 图像分割 | 第56-57页 |
| 5.1.1 图像分割的方法 | 第56-57页 |
| 5.2 模型建立与求解 | 第57-61页 |
| 5.2.1 基于遗传算法的图像分割 | 第57页 |
| 5.2.2 基于遗传算法的图像分割流程 | 第57-58页 |
| 5.2.3 实验结果与分析 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 论文工作总结 | 第62页 |
| 6.2 后续工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
| A. 作者在攻读学位期间发表的论文目录 | 第69页 |
