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

动态环境下进化计算的研究

摘要第1-6页
Abstract第6-16页
第一章 绪论第16-28页
   ·研究背景第16页
   ·动态进化计算研究现状第16-27页
     ·动态优化问题第17-18页
     ·动态环境的特征第18页
     ·动态测试问题及构造方法第18-19页
     ·环境变化的探测研究第19-20页
     ·处理动态环境的策略研究第20-26页
     ·动态进化计算的应用研究第26-27页
   ·主要研究内容第27-28页
第二章 动态环境下的多目标化进化算法第28-49页
   ·多目标化进化算法第28-30页
     ·单目标优化问题与多目标优化问题第28-29页
     ·多目标化进化算法第29页
     ·单目标优化问题的多目标化第29-30页
   ·附加函数的选择条件第30-31页
   ·基于个体多样性度量的多目标化进化算法第31-38页
     ·基于个体多样性度量的附加函数第31-32页
     ·基于个体多样性度量的多目标化进化算法第32页
     ·实验分析第32-38页
   ·基于可进化性度量的多目标化进化算法第38-48页
     ·可进化性第38-39页
     ·基于可进化性度量的多目标化进化算法第39-41页
     ·实验与分析第41-48页
   ·本章小结第48-49页
第三章 基于家族优生学的动态进化算法第49-60页
   ·基于家族优生学的进化算法第49-50页
   ·动态环境下基于家族优生学的进化算法第50-51页
     ·家庭选择第50-51页
     ·种间竞争第51页
     ·改进的基于家族优生学的进化算法第51页
   ·算法性能分析第51-52页
     ·空间搜索能力分析第51-52页
     ·多样性分析第52页
   ·实验与分析第52-59页
     ·测试问题第53-54页
     ·结果及分析第54-59页
   ·本章小结第59-60页
第四章 动态环境下记忆策略的研究第60-75页
   ·直接记忆策略第60-61页
   ·基于混合记忆策略的遗传算法第61-66页
     ·混合记忆策略第61-62页
     ·基于混合记忆策略的遗传算法第62-63页
     ·实验与分析第63-66页
   ·基于预测机制的多种群进化算法第66-74页
     ·自组织侦查进化算法第66-67页
     ·搜索子空间的提取第67页
     ·预测模型的建立第67-68页
     ·搜索子空间的自适应调整第68-69页
     ·基于预测机制的多种群进化算法第69-70页
     ·实验与分析第70-74页
   ·本章小结第74-75页
第五章 基于云模型的动态进化算法第75-86页
   ·云模型理论第75-77页
     ·基本概念第75-76页
     ·云发生器第76-77页
   ·局部云搜索算法第77-78页
   ·云预测与方向云搜索第78-80页
   ·基于云模型的混合遗传算法第80-82页
   ·实验结果与分析第82-85页
   ·本章小结第85-86页
第六章 处理动态优化问题的元胞遗传算法第86-100页
   ·元胞遗传算法第86-88页
     ·基本概念第87页
     ·基于演化规则的元胞遗传算法第87-88页
   ·捕食元胞遗传算法第88-93页
     ·捕食模型第89-90页
     ·种群控制第90-91页
     ·正交交叉算子第91-92页
     ·捕食元胞遗传算法第92-93页
   ·实验与分析第93-98页
     ·测试问题第93-94页
     ·结果及分析第94-98页
   ·本章小结第98-100页
第七章 算法动态性能对比分析第100-105页
   ·IDMoEA、FMEA、HGA-C 的对比分析第100-102页
   ·EMoEA-Ⅰ、EMoEA-Ⅱ、IFEBE、HMGA、IPCGA 的对比分析第102-105页
第八章 结论与展望第105-107页
   ·主要结论第105-106页
   ·工作展望第106-107页
参考文献第107-118页
致谢第118-119页
在学期间的研究成果及发表的学术论文第119页

论文共119页,点击 下载论文
上一篇:基于疲劳断裂的结构安全在线监测系统的研究
下一篇:Web服务组合隐私分析与验证研究