| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 离散空间蚁群算法的研究现状 | 第12-13页 |
| 1.3 连续空间蚁群算法的研究现状 | 第13-14页 |
| 1.4 蝙蝠算法的研究现状 | 第14-15页 |
| 1.5 小结 | 第15-16页 |
| 1.6 研究思路 | 第16-17页 |
| 1.7 课题来源 | 第17页 |
| 1.8 内容编排 | 第17-19页 |
| 第2章 基于离散空间的改进蚁群算法 | 第19-36页 |
| 2.1 ACO算法 | 第19-22页 |
| 2.1.1 ACO算法原理 | 第19-21页 |
| 2.1.2 ACO算法求解TSP问题流程 | 第21-22页 |
| 2.1.3 ACO算法的优缺点 | 第22页 |
| 2.2 多阶段自适应信息素机制蚁群优化算法 | 第22-27页 |
| 2.2.1 局部信息素更新机制 | 第23页 |
| 2.2.2 多阶段自适应全局信息素更新机制 | 第23-24页 |
| 2.2.3 引入混沌扰动的全局信息素更新机制 | 第24-25页 |
| 2.2.4 MAPACO算法的步骤 | 第25-27页 |
| 2.3 基于TSP实验的MAPACO算法仿真 | 第27-35页 |
| 2.3.1 算法的参数选择 | 第27-29页 |
| 2.3.2 算法性能对比测试分析 | 第29-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于连续空间的改进蚁群算法 | 第36-54页 |
| 3.1 ACO_R算法 | 第36-39页 |
| 3.1.1 ACO_R算法的思想 | 第36-38页 |
| 3.1.2 ACO_R算法的不足 | 第38-39页 |
| 3.2 自适应并行连续蚁群算法 | 第39-43页 |
| 3.2.1 信息分享机制的改进 | 第39-40页 |
| 3.2.2 并行搜索取样机制 | 第40-41页 |
| 3.2.3 自适应权重因子 | 第41页 |
| 3.2.4 自适应并行连续蚁群算法的步骤 | 第41-43页 |
| 3.3 基于Benchmark测试函数的自适应并行蚁群算法仿真 | 第43-52页 |
| 3.3.1 Benchmark测试函数 | 第43-46页 |
| 3.3.2 算法性能评价指标 | 第46-48页 |
| 3.3.3 算法性能对比测试分析 | 第48-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 多形态作用力蝙蝠算法 | 第54-66页 |
| 4.1 标准蝙蝠算法 | 第54-57页 |
| 4.1.1 蝙蝠的回声定位原理 | 第54-55页 |
| 4.1.2 蝙蝠算法的原理 | 第55-56页 |
| 4.1.3 蝙蝠算法的步骤 | 第56-57页 |
| 4.2 多形态作用力蝙蝠算法 | 第57-62页 |
| 4.2.1 作用力规则的构造 | 第57-59页 |
| 4.2.2 蝙蝠的速度和位置更新 | 第59-62页 |
| 4.3 MFBA性能对比测试分析 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 混合群智能算法的应用 | 第66-86页 |
| 5.1 混合MFBA-MAPACO算法 | 第66-67页 |
| 5.2 可靠性优化应用 | 第67-79页 |
| 5.2.1 通用生成函数介绍 | 第67-68页 |
| 5.2.2 串-并联多态系统可靠性优化 | 第68-74页 |
| 5.2.3 液压系统可靠性优化 | 第74-79页 |
| 5.3 PID参数整定应用 | 第79-85页 |
| 5.3.1 伺服阀的建模 | 第80页 |
| 5.3.2 伺服阀控液压缸的建模 | 第80-83页 |
| 5.3.3 数字PID参数优化 | 第83-84页 |
| 5.3.4 仿真结果及分析 | 第84-85页 |
| 5.4 本章小结 | 第85-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第93-94页 |
| 致谢 | 第94页 |