基于量子遗传算法的改进的粒子群算法及其应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题来源及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·粒子群算法的主要研究方向 | 第11-12页 |
| ·粒子群优化算法的应用 | 第12页 |
| ·路径规划 | 第12-15页 |
| ·路径规划知识简介 | 第12-13页 |
| ·路径规划常用方法简介 | 第13-15页 |
| ·本文研究内容 | 第15-17页 |
| 第2章 粒子群优化算法理论分析 | 第17-31页 |
| ·粒子群算法简介 | 第17-20页 |
| ·基本粒子群算法 | 第17-19页 |
| ·标准粒子群算法 | 第19-20页 |
| ·粒子群算法的参数分析及设置 | 第20-25页 |
| ·惯性权重参数 | 第20-22页 |
| ·学习因子 | 第22-23页 |
| ·最大速度 | 第23-24页 |
| ·群体规模 | 第24-25页 |
| ·粒子群算法的收敛性分析 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 量子遗传算法简介 | 第31-39页 |
| ·量子遗传算法的发展历程 | 第31-33页 |
| ·量子信息表示及量子逻辑门 | 第33-35页 |
| ·量子旋转门更新 | 第35-36页 |
| ·量子遗传算法流程 | 第36-37页 |
| ·算法分析 | 第37-38页 |
| ·收敛时间 | 第37页 |
| ·增加种群多样性 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于量子遗传算法改进的粒子群算法及应用 | 第39-56页 |
| ·粒子群优化算法改进策略分析 | 第39-40页 |
| ·基于量子遗传算法的改进的粒子群优化算法 | 第40-43页 |
| ·动态惯性权重的构造 | 第40-41页 |
| ·改进算法更新策略 | 第41-43页 |
| ·仿真实验 | 第43-49页 |
| ·基准测试函数 | 第43-44页 |
| ·QGA-PSO算法函数测试结果及分析 | 第44-49页 |
| ·QGA-PSO算法在二维水下路径规划中的应用 | 第49-55页 |
| ·路径规划建模 | 第49-51页 |
| ·路径规划算法流程 | 第51页 |
| ·仿真结果及分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
