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 |