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 |