用于最优化问题的改进粒子群优化算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 最优化理论 | 第11-13页 |
| 1.1.1 最优化问题的基本概念 | 第11页 |
| 1.1.2 最优化问题的发展概况 | 第11-12页 |
| 1.1.3 最优化问题的数学模型 | 第12-13页 |
| 1.2 随机型优化算法 | 第13-17页 |
| 1.2.1 遗传算法 | 第13-14页 |
| 1.2.2 进化规划 | 第14-15页 |
| 1.2.3 群智能算法 | 第15-17页 |
| 1.3 论文内容与安排 | 第17-18页 |
| 第2章 粒子群优化算法 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 原始粒子群优化算法 | 第18-20页 |
| 2.2.1 算法原理 | 第19-20页 |
| 2.2.2 算法流程 | 第20页 |
| 2.3 标准粒子群优化算法 | 第20-22页 |
| 2.3.1 惯性权重 | 第21页 |
| 2.3.2 收缩因子 | 第21-22页 |
| 2.4 标准粒子群算法收敛性分析 | 第22-23页 |
| 2.5 粒子群优化算法优缺点 | 第23-24页 |
| 2.6 与其他优化算法比较 | 第24-25页 |
| 2.7 主要粒子群改进算法 | 第25-27页 |
| 2.7.1 分为多个子种群 | 第25页 |
| 2.7.2 改进粒子学习对象 | 第25页 |
| 2.7.3 改进粒子更新策略 | 第25-26页 |
| 2.7.4 改进算法参数 | 第26页 |
| 2.7.5 与其他搜索算法结合 | 第26-27页 |
| 2.7.6 找到多个较优解 | 第27页 |
| 2.7.7 离散粒子群算法 | 第27页 |
| 2.8 本章小结 | 第27-29页 |
| 第3章 梦境粒子群算法 | 第29-33页 |
| 3.1 梦境简介 | 第29页 |
| 3.2 梦境粒子群优化算法 | 第29-32页 |
| 3.2.1 算法原理 | 第29-30页 |
| 3.2.2 算法流程 | 第30-31页 |
| 3.2.3 算法收敛性分析 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 传染病粒子群算法 | 第33-39页 |
| 4.1 传染病动力学简介 | 第33-35页 |
| 4.1.1 传染病动力学发展概况 | 第33页 |
| 4.1.2 SIR 模型简介 | 第33-35页 |
| 4.2 传染病粒子群优化算法 | 第35-38页 |
| 4.2.1 算法原理 | 第35-36页 |
| 4.2.2 算法流程 | 第36页 |
| 4.2.3 算法收敛性分析 | 第36-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第5章 流体粒子群优化算法 | 第39-44页 |
| 5.1 流体力学简介 | 第39-40页 |
| 5.1.1 流体力学发展概况 | 第39页 |
| 5.1.2 伯努利定律 | 第39-40页 |
| 5.2 流体力学粒子群优化算法 | 第40-43页 |
| 5.2.1 算法原理 | 第40-42页 |
| 5.2.2 算法流程 | 第42-43页 |
| 5.2.3 算法收敛性分析 | 第43页 |
| 5.3 本章小结 | 第43-44页 |
| 第6章 实验结果与分析 | 第44-56页 |
| 6.1 常用基准测试函数简介 | 第44-46页 |
| 6.2 改进算法参数设置 | 第46-48页 |
| 6.2.1 梦境粒子群参数设置 | 第46-47页 |
| 6.2.2 传染病粒子群参数设置 | 第47-48页 |
| 6.3 基准测试函数测试 | 第48-55页 |
| 6.3.1 最优化结果 | 第49-52页 |
| 6.3.2 标准差 | 第52-53页 |
| 6.3.3 收敛性 | 第53-55页 |
| 6.4 本章小结 | 第55-56页 |
| 第7章 总结与展望 | 第56-58页 |
| 7.1 本文总结 | 第56页 |
| 7.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
