| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 引言 | 第14页 |
| 1.2 进化算法 | 第14-16页 |
| 1.2.1 进化算法的产生背景 | 第14-15页 |
| 1.2.2 进化算法的特点 | 第15页 |
| 1.2.3 进化算法的发展进程介绍 | 第15-16页 |
| 1.3 进化算法的应用研究 | 第16-17页 |
| 1.4 本文的主要工作 | 第17-18页 |
| 第二章 流行进化算法的介绍 | 第18-30页 |
| 2.1 遗传算法 | 第18-19页 |
| 2.2 粒子群算法 | 第19-20页 |
| 2.3 综合学习粒子群算法（CLPSO） | 第20-22页 |
| 2.3.1 综合学习策略 | 第21-22页 |
| 2.4 差分进化算法 | 第22-27页 |
| 2.4.1 自适应参数差分进化算法（JDE） | 第25页 |
| 2.4.2 自适应差分进化算法（SaDE） | 第25-27页 |
| 2.5 人工蜂群算法 | 第27-28页 |
| 2.6 进化算法研究总结 | 第28-30页 |
| 第三章 回溯搜索优化算法的改进 | 第30-44页 |
| 3.1 回溯搜索优化算法 | 第30-32页 |
| 3.1.1 初始化种群 | 第31页 |
| 3.1.2 选择I | 第31页 |
| 3.1.3 变异 | 第31页 |
| 3.1.4 交叉 | 第31-32页 |
| 3.1.5 选择II | 第32页 |
| 3.2 回溯搜索优化算法的改进 | 第32-40页 |
| 3.2.1 BSA变异尺度系数分析 | 第32-33页 |
| 3.2.2 BSA变异尺度方程的改进 | 第33-37页 |
| 3.2.3 交叉算子的改进 | 第37-38页 |
| 3.2.4 新的边界处理 | 第38-40页 |
| 3.3 数值实验 | 第40-43页 |
| 3.3.1 Benchmark测试函数介绍 | 第40页 |
| 3.3.2 停止条件制定与参数选取 | 第40-41页 |
| 3.3.3 测试结果的统计分析 | 第41-43页 |
| 3.4 结论 | 第43-44页 |
| 第四章 BSA算法的若干应用 | 第44-54页 |
| 4.1 调频声波合成参数估计 | 第44-45页 |
| 4.1.1 一种改进的BSA算法求解调频声波合成参数估计 | 第44-45页 |
| 4.1.2 数值试验 | 第45页 |
| 4.2 BSA在绝对值方程求解中的应用 | 第45-49页 |
| 4.2.1 解的存在性条件和目标函数的构造 | 第46页 |
| 4.2.2 AVE算例的构造 | 第46页 |
| 4.2.3 用于解绝对值方程的BSA算法 | 第46-47页 |
| 4.2.4 基于适应度欧几里得距离比例的BSA算法 | 第47-48页 |
| 4.2.5 数值试验 | 第48-49页 |
| 4.3 改进的回溯搜索优化算法在非线性系统辨识中的应用 | 第49-54页 |
| 4.3.1 非线性系统辨识Hammerstein模型 | 第49-50页 |
| 4.3.2 选取的Hammerstein模型 | 第50-51页 |
| 4.3.3 改进的紧致BSA算法 | 第51页 |
| 4.3.4 数值试验 | 第51-54页 |
| 总结与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 作者简介 | 第64-65页 |
