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

基于生物行为机制的粒子群算法改进及应用

摘要第1-7页
Abstract第7-13页
第一章 绪论第13-22页
   ·选题背景与研究目的第13-15页
     ·选题背景第13-15页
     ·研究目的第15页
   ·学术动态与研究内容第15-19页
     ·学术动态第15-18页
     ·研究内容第18-19页
   ·研究方法与技术路线第19-20页
   ·拟解决的关键问题与创新期望第20-22页
     ·拟解决的关键问题第20页
     ·本研究的创新期望第20-22页
第二章 研究的理论基础第22-35页
   ·优化问题与方法第22-23页
     ·优化问题第22页
     ·优化方法第22-23页
   ·仿生优化算法第23-26页
     ·仿生优化的基本思想第23-24页
     ·仿生优化算法的分类第24-25页
     ·仿生优化的算法特征第25页
     ·仿生优化的逻辑框架第25-26页
   ·群体智能优化第26-29页
     ·群体智能优化原理第26-27页
     ·群体智能优化特征第27-28页
     ·群体智能的算法流程第28-29页
   ·粒子群优化算法第29-34页
     ·起源第29-30页
     ·基本原理第30-31页
     ·算法流程第31页
     ·存在问题第31-32页
     ·离散粒子群第32-33页
     ·应用第33-34页
   ·本章小结第34-35页
第三章 基于群体感应机制的粒子群算法第35-63页
   ·群体感应粒子群优化算法第35-49页
     ·细菌群体感应第35-37页
     ·PSOQS 算法模型第37-39页
     ·测试函数第39-42页
     ·实验参数设置第42-43页
     ·实验结果与分析第43-49页
   ·群体感应频率的实验分析第49-56页
     ·实验设计第49-50页
     ·实验结果及分析第50-56页
   ·群体感应种群规模的实验分析第56-62页
     ·实验设计第56页
     ·实验结果第56-62页
   ·本章小结第62-63页
第四章 基于寄生免疫机制的粒子群算法第63-80页
   ·寄生免疫机理分析第63-65页
     ·细菌寄生行为第63-64页
     ·生物免疫机制第64-65页
   ·寄生免疫粒子群优化算法第65-72页
     ·算法基础第65-66页
     ·PSOPI 算法模型第66-68页
     ·实验参数设置第68-69页
     ·实验结果与分析第69-72页
   ·免疫逃避粒子群优化算法第72-79页
     ·算法生物学基础第72-73页
     ·PSOIE 算法模型第73-75页
     ·实验参数设置第75页
     ·实验结果与分析第75-79页
   ·本章小结第79-80页
第五章 基于觅食机制的粒子群算法第80-96页
   ·生物觅食行为分析第80-84页
     ·细菌觅食行为第81-82页
     ·蜜蜂觅食行为第82-84页
   ·基于细菌觅食的粒子群优化算法第84-89页
     ·PSOBF 算法模型第84-85页
     ·实验参数设置第85-86页
     ·实验结果与分析第86-89页
   ·基于蜜蜂觅食的粒子群优化算法第89-95页
     ·PSOHF 算法模型第89-91页
     ·实验参数设置第91页
     ·实验结果与分析第91-95页
   ·本章小结第95-96页
第六章 改进算法在管理中的应用第96-115页
   ·求解配送中心选址问题第96-101页
     ·配送中心选址问题第96-97页
     ·配送中心选址模型第97-99页
     ·基于改进粒子群的算法实现第99-100页
     ·计算案例第100-101页
   ·训练神经网络进行股指预测第101-114页
     ·BP 神经网络第101-104页
     ·改进算法的神经网络设计第104-107页
     ·改进算法神经网络预测分析第107-114页
   ·本章小结第114-115页
结论与展望第115-117页
参考文献第117-126页
附录第126-165页
攻读博士学位期间取得的研究成果第165-166页
致谢第166-167页
附件第167页

论文共167页,点击 下载论文
上一篇:复杂数据类型的离群检测方法研究
下一篇:考虑风险和损失偏好的季节性产品供应链运作策略研究