基于混合动物迁徙算法的全局优化问题求解
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 群集智能 | 第7-9页 |
| 1.1.1 群集智能的生物学基础概述 | 第7页 |
| 1.1.2 分散式决策 | 第7-8页 |
| 1.1.3 群体迁移 | 第8页 |
| 1.1.4 群集智能优化概述 | 第8-9页 |
| 1.2 本文的主要内容 | 第9-10页 |
| 第二章 元启发式算法与优化问题 | 第10-16页 |
| 2.1 元启发式算法 | 第10-13页 |
| 2.1.1 元启发式算法概述 | 第10-12页 |
| 2.1.2 “没有免费的午餐”定理 | 第12-13页 |
| 2.1.3 元启发式算法的发展方向 | 第13页 |
| 2.2 优化问题 | 第13-15页 |
| 2.2.1 优化问题的概念与数学模型 | 第13-14页 |
| 2.2.2 全局优化问题的数学模型 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 混合动物迁徙算法 | 第16-37页 |
| 3.1 动物迁徙算法 | 第16-19页 |
| 3.1.1 动物迁徙算法的基本理论 | 第16-18页 |
| 3.1.2 动物迁徙算法的研究现状 | 第18-19页 |
| 3.2 粒子群优化算法 | 第19-23页 |
| 3.2.1 粒子群优化算法研究现状 | 第19-22页 |
| 3.2.2 标准粒子群优化算法 | 第22-23页 |
| 3.3 混合动物迁徙算法 | 第23-26页 |
| 3.4 基准测试函数 | 第26-27页 |
| 3.5 实验结果与分析 | 第27-36页 |
| 3.5.1 单峰函数 | 第29-33页 |
| 3.5.2 多峰高维函数 | 第33-36页 |
| 3.5.3 多峰低维函数 | 第36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 结论 | 第37-38页 |
| 4.1 本文的结论 | 第37页 |
| 4.2 工作展望 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40页 |
