首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

群智能算法及其在函数优化中的应用研究

摘要第1-7页
Abstract第7-15页
引言第15-16页
1 绪论第16-27页
   ·研究课题的背景和意义第16页
   ·群智能算法的研究进展第16-24页
     ·遗传算法的研究进展第16-19页
     ·免疫算法的研究进展第19-21页
     ·粒子群算法的研究进展第21-22页
     ·蚁群算法的研究进展第22-24页
   ·群智能算法的共同特点第24页
   ·本文的研究内容第24-25页
   ·本文的组织结构第25-27页
2 基于自适应遗传算法的函数优化第27-41页
   ·遗传算法理论概述第27-30页
     ·遗传算法常用术语第27-28页
     ·遗传算法基本要素第28-29页
     ·遗传算法基本理论第29-30页
   ·标准遗传算法(SGA)第30-33页
     ·遗传算法及流程图第30-31页
     ·遗传算法有关参数的确定第31-32页
     ·遗传算法的特点第32页
     ·遗传算法的应用第32-33页
     ·遗传算法的不足第33页
   ·自适应遗传算法(AGA)第33-36页
     ·算子改进第33-35页
     ·算法特点第35页
     ·算法步骤第35页
     ·参数设置分析第35-36页
   ·算法仿真第36-40页
     ·测试函数第36页
     ·评价标准第36-37页
     ·参数取值第37页
     ·测试结果第37-40页
   ·本章小结第40-41页
3 基于免疫克隆选择算法的函数优化第41-67页
   ·引言第41-42页
   ·克隆选择算法原理第42-45页
     ·克隆选择的基本概念第42页
     ·标准克隆选择算法第42-43页
     ·免疫克隆选择算法在函数优化中的应用第43-45页
   ·克隆选择算法的收敛性分析第45-50页
     ·克隆选择算法的马尔可夫链模型第46-48页
     ·CSA收敛性分析第48-50页
   ·自适应克隆选择算法第50-58页
     ·算法描述第50-51页
     ·算法特点第51页
     ·算法步骤第51-52页
     ·仿真分析第52-58页
     ·结论第58页
   ·自适应小生境克隆选择算法第58-66页
     ·算法描述第59-60页
     ·算法步骤第60页
     ·参数设置分析第60-61页
     ·算法仿真第61-65页
     ·结论第65-66页
   ·本章小结第66-67页
4 基于粒子群算法的函数优化第67-81页
   ·引言第67-68页
   ·粒子群算法基本原理第68-69页
     ·基本粒子群算法第68页
     ·粒子群算法的参数设置第68-69页
     ·粒子群算法特点第69页
   ·实数编码的小生境粒子群算法第69-71页
     ·算法改进第70页
     ·算法描述第70-71页
   ·NPSA收敛性分析第71-73页
   ·仿真分析第73-80页
     ·测试函数第73-74页
     ·评价标准第74页
     ·参数取值第74页
     ·测试结果第74-79页
     ·参数研究第79-80页
   ·本章小结第80-81页
5 基于蚁群算法的函数优化第81-97页
   ·引言第81页
   ·蚁群算法(ACA)基本原理和模型第81-84页
     ·蚁群算法的生物学基础第81-82页
     ·蚁群算法的基本思想第82-84页
     ·蚁群算法的优缺点第84页
   ·简单蚁群算法及其收敛性分析第84-89页
     ·简单蚁群算法描述第85-86页
     ·收敛性分析第86-89页
   ·实数编码的小生境蚁群算法(NACA)第89-91页
     ·算法思想第89-90页
     ·算法描述第90-91页
   ·仿真分析第91-96页
     ·测试函数第91页
     ·评价标准第91-92页
     ·参数取值第92页
     ·测试结果第92-95页
     ·参数研究第95-96页
   ·本章小结第96-97页
6 总结与展望第97-99页
   ·总结第97页
   ·展望第97-99页
参考文献第99-105页
致谢第105-106页
攻读硕士学位期间主要科研成果第106页

论文共106页,点击 下载论文
上一篇:矿井提升机同步电动机矢量控制系统的研究
下一篇:人力资本参与企业收益分配模型研究及财务分析