摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-21页 |
1.1 课题研究背景及意义 | 第11-12页 |
1.2 微粒群算法的研究现状 | 第12-14页 |
1.2.1 速度更新机制改进 | 第12-13页 |
1.2.2 拓扑结构改进 | 第13-14页 |
1.3 蝙蝠算法的研究现状 | 第14-15页 |
1.4 蚁群算法的研究现状 | 第15-16页 |
1.5 矫直机研究现状 | 第16-17页 |
1.6 课题来源 | 第17-18页 |
1.7 研究思路与内容安排 | 第18-21页 |
1.7.1 问题提出 | 第18页 |
1.7.2 研究思路 | 第18-19页 |
1.7.3 内容安排 | 第19-21页 |
第2章 基于有向自组织结构的两阶段微粒群算法 | 第21-45页 |
2.1 标准微粒群算法 | 第21-22页 |
2.2 两阶段微粒群算法 | 第22-27页 |
2.2.1 构造作用力规则 | 第23-24页 |
2.2.2 微粒的速度和位置更新 | 第24-27页 |
2.3 有向自组织结构的两阶段微粒群算法 | 第27-34页 |
2.3.1 静态种群拓扑结构的介绍 | 第27-30页 |
2.3.2 有向自组织动态拓扑结构 | 第30-33页 |
2.3.3 有向自组织结构的两阶段微粒群算法执行步骤 | 第33-34页 |
2.4 标准优化测试函数 | 第34-37页 |
2.4.1 单峰测试函数 | 第34-35页 |
2.4.2 多峰测试函数 | 第35-37页 |
2.4.3 病态测试函数 | 第37页 |
2.5 有向自组织结构的两阶段微粒群算法性能测试 | 第37-43页 |
2.5.1 微粒出度值对算法性能的影响 | 第37-38页 |
2.5.2 算法最优解搜索能力测试 | 第38-42页 |
2.5.3 算法收敛速度测试 | 第42-43页 |
2.6 本章小结 | 第43-45页 |
第3章 动态拓扑引斥力蝙蝠算法 | 第45-59页 |
3.1 标准蝙蝠算法 | 第45-48页 |
3.1.1 蝙蝠算法的原理 | 第45-47页 |
3.1.2 蝙蝠算法的流程 | 第47-48页 |
3.2 引斥力蝙蝠算法 | 第48-53页 |
3.2.1 构造作用力规则 | 第48-50页 |
3.2.2 蝙蝠的速度和位置更新 | 第50-53页 |
3.3 动态拓扑引斥力蝙蝠算法 | 第53-58页 |
3.3.1 动态拓扑引斥力蝙蝠算法的执行步骤 | 第53-55页 |
3.3.2 拓扑结构度量分析 | 第55-56页 |
3.3.3 对最优解搜索能力的影响 | 第56-58页 |
3.4 本章小结 | 第58-59页 |
第4章 多阶段自适应信息素机制蚁群优化算法 | 第59-73页 |
4.1 蚁群算法 | 第59-62页 |
4.1.1 蚁群算法基本原理 | 第59-61页 |
4.1.2 蚁群算法求解旅行商问题流程 | 第61-62页 |
4.1.3 蚁群算法的优缺点 | 第62页 |
4.2 MAPACO 算法 | 第62-66页 |
4.2.1 全局信息素更新机制 | 第62-63页 |
4.2.2 引入混沌扰动的全局信息素更新机制 | 第63-64页 |
4.2.3 局部信息素更新机制 | 第64页 |
4.2.4 MAPACO算法的执行步骤 | 第64-66页 |
4.3 基于TSP问题的MAPACO算法验证 | 第66-72页 |
4.3.1 MAPACO算法参数选择 | 第66-68页 |
4.3.2 MAPACO算法性能分析 | 第68-72页 |
4.4 本章小结 | 第72-73页 |
第5章 混合群智能算法及其应用 | 第73-90页 |
5.1 混合群智能算法 | 第73-74页 |
5.2 液压矫直机PID控制优化 | 第74-80页 |
5.2.1 矫直机阀控系统数学模型 | 第75-78页 |
5.2.2 矫直机PID参数优化 | 第78-79页 |
5.2.3 仿真结果及分析 | 第79-80页 |
5.3 液压阀块加工车间调度优化 | 第80-89页 |
5.3.1 液压阀块加工工艺 | 第80-82页 |
5.3.2 液压阀块加工车间调度优化 | 第82-89页 |
5.4 本章小结 | 第89-90页 |
结论 | 第90-92页 |
参考文献 | 第92-98页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第98-99页 |
致谢 | 第99页 |