粒子群与遗传算法的混合研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究的背景与意义 | 第11-12页 |
| 1.3 遗传算法相关理论 | 第12-17页 |
| 1.3.1 适应度函数 | 第12-13页 |
| 1.3.2 编码 | 第13-14页 |
| 1.3.3 遗传算子 | 第14-16页 |
| 1.3.4 高级实现技术 | 第16-17页 |
| 1.4 粒子群优化算法基本理论 | 第17-20页 |
| 1.4.1 算法原理 | 第17-18页 |
| 1.4.2 算法流程 | 第18-20页 |
| 1.5 论文的创新 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第二章 粒子群与遗传混合算法的函数优化 | 第22-39页 |
| 2.1 引言 | 第22页 |
| 2.2 常规粒子群算法的不足 | 第22-23页 |
| 2.3 粒子群算法的改进 | 第23-26页 |
| 2.3.1 一些常见的改进策略 | 第23-25页 |
| 2.3.2 论文的权重改进策略 | 第25页 |
| 2.3.3 异步变化的学习因子 | 第25-26页 |
| 2.4 遗传算法的改进 | 第26-30页 |
| 2.4.1 适应度函数设计 | 第26-27页 |
| 2.4.2 选择算子 | 第27页 |
| 2.4.3 交叉算子 | 第27-28页 |
| 2.4.4 变异算子 | 第28-30页 |
| 2.5 混合策略 | 第30页 |
| 2.6 算法流程 | 第30-33页 |
| 2.7 实验测试与分析 | 第33-38页 |
| 2.8 本章小结 | 第38-39页 |
| 第三章 粒子群与遗传混合算法求解TSP问题 | 第39-58页 |
| 3.1 引言 | 第39页 |
| 3.2 旅行商问题的数学模型 | 第39-40页 |
| 3.3 编码 | 第40-41页 |
| 3.4 适应度函数 | 第41页 |
| 3.5 交叉算子设计 | 第41-42页 |
| 3.6 变异算子设计 | 第42-43页 |
| 3.7 粒子群算法的引入策略 | 第43-45页 |
| 3.7.1 离散粒子运动方程 | 第43-44页 |
| 3.7.2 二元交叉操作 | 第44页 |
| 3.7.3 启发因子 | 第44-45页 |
| 3.8 算法流程 | 第45-46页 |
| 3.9 实验测试与分析 | 第46-56页 |
| 3.10 本章小结 | 第56-58页 |
| 第四章 结束语 | 第58-60页 |
| 4.1 论文工作总结 | 第58-59页 |
| 4.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表论文情况 | 第65页 |
