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

差分演化算法中个体选择机制的研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第12-18页
    1.1 引言第12-13页
    1.2 差分演化算法及种群信息第13-14页
    1.3 本文主要工作第14-16页
    1.4 论文章节安排第16-18页
第2章 差分演化算法概述第18-30页
    2.1 基本差分演化算法第18-24页
        2.1.1 算法简介第18页
        2.1.2 算法基本流程第18-23页
        2.1.3 算法控制参数第23-24页
    2.2 差分演化算法的研究现状第24-27页
        2.2.1 混合差分演化算法第24-25页
        2.2.2 控制参数研究第25-26页
        2.2.3 变异算子研究第26-27页
    2.3 差分演化算法的应用第27-28页
    2.4 本章小结第28-30页
第3章 基于拓扑信息的个体选择机制第30-50页
    3.1 引言第30页
    3.2 相关工作第30-32页
        3.2.1 邻域信息第31-32页
        3.2.2 方向信息第32页
    3.3 DE-CDI第32-35页
        3.3.1 基于细胞拓扑的邻域第32-33页
        3.3.2 基于邻域的方向变异第33-34页
        3.3.3 算法的主要实现第34页
        3.3.4 复杂度分析第34-35页
    3.4 实验结果及分析第35-47页
        3.4.1 测试函数第35页
        3.4.2 评价标准第35-37页
        3.4.3 参数设置第37页
        3.4.4 与传统DE的比较第37-39页
        3.4.5 与高级DE的比较第39-40页
        3.4.6 与NDi-DE的比较第40-42页
        3.4.7 与DMDE的比较第42-44页
        3.4.8 CDI的有效性分析第44-46页
        3.4.9 参数敏感性分析第46-47页
        3.4.10 实际问题应用测试第47页
    3.5 本章小结第47-50页
第4章 基于适应值信息的个体选择机制第50-72页
    4.1 引言第50页
    4.2 相关工作第50-52页
        4.2.1 适应值信息第51页
        4.2.2 社交学习第51-52页
    4.3 SL-DE第52-56页
        4.3.1 ASL第53-55页
        4.3.2 算法的主要实现第55-56页
        4.3.3 复杂度分析第56页
    4.4 实验结果及分析第56-71页
        4.4.1 测试函数第56页
        4.4.2 参数设置第56-57页
        4.4.3 与传统DE的比较第57-58页
        4.4.4 与高级DE的比较第58-60页
        4.4.5 与最新的DE算法的比较第60-63页
        4.4.6 与其他EA的比较第63-64页
        4.4.7 与ProDE和rank-DE的比较第64-65页
        4.4.8 与MS-DE的比较第65-68页
        4.4.9 参数敏感性分析第68-69页
        4.4.10 可扩展性分析第69-70页
        4.4.11 实际问题应用测试第70-71页
    4.5 本章小结第71-72页
第5章 基于距离信息的个体选择机制第72-92页
    5.1 引言第72页
    5.2 相关工作第72-74页
        5.2.1 ProDE第73页
        5.2.2 MS-DE第73页
        5.2.3 基于聚类的DE第73-74页
    5.3 KC-DE第74-78页
        5.3.1 KC第75-77页
        5.3.2 算法的主要实现第77-78页
        5.3.3 复杂度分析第78页
    5.4 实验结果及分析第78-90页
        5.4.1 测试函数第78-79页
        5.4.2 参数设置第79页
        5.4.3 与传统DE的比较第79-80页
        5.4.4 与高级DE的比较第80-82页
        5.4.5 与最新的DE算法的比较第82-85页
        5.4.6 与其他EA的比较第85页
        5.4.7 与ProDE和MS-DE的比较第85-88页
        5.4.8 参数敏感性分析第88-89页
        5.4.9 实际问题应用测试第89-90页
    5.5 本章小结第90-92页
第6章 基于历史信息的个体选择机制第92-112页
    6.1 引言第92-93页
    6.2 相关工作第93-94页
        6.2.1 SPS-DE第93页
        6.2.2 DMDE第93-94页
    6.3 SIA-DE第94-98页
        6.3.1 基本思想第94-96页
        6.3.2 算法的主要实现第96-97页
        6.3.3 复杂度分析第97-98页
    6.4 实验结果及分析第98-109页
        6.4.1 测试函数第98页
        6.4.2 参数设置第98页
        6.4.3 与传统DE的比较第98-100页
        6.4.4 与高级DE的比较第100-103页
        6.4.5 与SPS-DE和DMDE的比较第103-106页
        6.4.6 参数敏感性分析第106-107页
        6.4.7 可扩展性分析第107-108页
        6.4.8 实际问题应用测试第108-109页
    6.5 本章小结第109-112页
第7章 四种选择机制的比较分析第112-118页
    7.1 引言第112页
    7.2 复杂度对比第112-113页
    7.3 优化性能对比第113-116页
        7.3.1 测试函数第113页
        7.3.2 评价标准第113页
        7.3.3 比较分析第113-116页
    7.4 本章小结第116-118页
第8章 总结与展望第118-122页
    8.1 本文总结第118-119页
    8.2 今后工作展望第119-122页
参考文献第122-132页
致谢第132-134页
附录A DE-CDI的部分实验数据第134-146页
附录B SL-DE的部分实验数据第146-156页
附录C KC-DE的部分实验数据第156-162页
附录D SIA-DE的部分实验数据第162-168页
个人简历、在学期间发表的学术论文及研究成果第168-169页

论文共169页,点击 下载论文
上一篇:海外华人捐赠中华文物回归研究
下一篇:基于预测残差和自适应阶数的回声消除方法研究