粒子群算法优化多模态函数的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·选题依据及研究意义 | 第9-10页 |
| ·本文的主要工作和成果 | 第10页 |
| ·本文的结构 | 第10-12页 |
| 第二章 群智能计算方法 | 第12-26页 |
| ·群体智能算法简介 | 第12-14页 |
| ·粒子群优化算法简介 | 第14-16页 |
| ·蚁群算法 | 第16-21页 |
| ·蚁群算法的生物学基础 | 第17-18页 |
| ·蚁群算法的数学模型 | 第18-20页 |
| ·蚁群算法的特点 | 第20页 |
| ·蚁群算法的收敛性 | 第20-21页 |
| ·人工鱼群算法 | 第21-24页 |
| ·人工鱼群的基本思想 | 第21-22页 |
| ·人工鱼群算法描述 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 标准粒子群算法 | 第26-36页 |
| ·标准粒子群算法原理 | 第26-29页 |
| ·粒子的更新过程 | 第26页 |
| ·粒子群的迭代过程 | 第26-29页 |
| ·粒子群算法的常用改进 | 第29-31页 |
| ·基于参数的改进方法 | 第29-30页 |
| ·基于行为的改进方法 | 第30页 |
| ·融合其它算法的改进方法 | 第30-31页 |
| ·粒子群算法收敛性分析 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于 DFP 粒子群优化算法 | 第36-46页 |
| ·最优化基础 | 第36-37页 |
| ·最优化概述 | 第36页 |
| ·数学规划 | 第36-37页 |
| ·常用的测试函数简介 | 第37-39页 |
| ·基于 DFP 的粒子群算法 | 第39-41页 |
| ·粒子群初始化策略 | 第40页 |
| ·收敛速度改进策略 | 第40-41页 |
| ·实验仿真 | 第41-43页 |
| ·DFP-PSO 在方程组求根中的应用 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 改进的粒子群算法及其应用 | 第46-58页 |
| ·算法优化思路 | 第46-48页 |
| ·实验仿真 | 第48-51页 |
| ·PSO 在函数求根中的应用 | 第51-53页 |
| ·PSO 在多目标优化中的应用 | 第53-56页 |
| ·多目标问题简单介绍 | 第53-54页 |
| ·改进的 PSO 优化多目标问题 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 1、本文工作总结 | 第58-59页 |
| 2、待进一步研究的问题 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
