多目标粒子群优化算法的研究改进
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和课题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 智能优化算法 | 第11-12页 |
| 1.2.2 粒子群优化算法的发展历史与研究现状 | 第12-14页 |
| 1.2.3 阵列天线的方向图综合发展现状 | 第14页 |
| 1.3 本文的组织 | 第14-16页 |
| 第二章 粒子群优化算法 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 算法原理及数学模型 | 第16-19页 |
| 2.2.1 原始的粒子群模型 | 第16-17页 |
| 2.2.2 改进的粒子群模型 | 第17-19页 |
| 2.3 粒子群优化算法分析 | 第19-21页 |
| 2.3.1 参数分析 | 第19页 |
| 2.3.2 收敛性分析 | 第19-21页 |
| 2.4 粒子群算法的应用研究现状 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 改进的粒子群优化算法及其应用 | 第23-37页 |
| 3.1 粒子群算法的几种改进策略 | 第23-24页 |
| 3.2 改进的粒子群算法 | 第24-30页 |
| 3.2.1 种群的初始化 | 第24-25页 |
| 3.2.2 早熟判断及解决方案 | 第25-26页 |
| 3.2.3 种群的开发策略 | 第26-27页 |
| 3.2.4 粒子更新策略 | 第27-28页 |
| 3.2.5 多种群粒子群优化算法步骤 | 第28-30页 |
| 3.3 实验结果与分析 | 第30-33页 |
| 3.3.1 测试函数 | 第30-31页 |
| 3.3.2 实验结果分析 | 第31-33页 |
| 3.4 改进粒子群算法在阵列天线综合中的应用 | 第33-36页 |
| 3.4.1 阵列天线介绍 | 第33页 |
| 3.4.2 适应度函数设计 | 第33-34页 |
| 3.4.3 实验测试 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 多目标优化算法 | 第37-44页 |
| 4.1 引言 | 第37页 |
| 4.2 多目标数学模型 | 第37-38页 |
| 4.3 多目标进化算法 | 第38-41页 |
| 4.3.1 经典的进化算法NSGA-II | 第38-39页 |
| 4.3.2 基于分解的多目标进化算法MOEA/D | 第39-41页 |
| 4.4 多目标粒子群优化算法 | 第41-43页 |
| 4.4.1 经典的多目标粒子群算法CMOPSO | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 改进的多目标粒子群优化算法 | 第44-62页 |
| 5.1 引言 | 第44页 |
| 5.2 改进的多目标粒子群优化算法 | 第44-49页 |
| 5.2.1 种群初始化策略 | 第44页 |
| 5.2.2 档案维护策略 | 第44-45页 |
| 5.2.3 粒子更新策略 | 第45-47页 |
| 5.2.4 算法流程 | 第47-49页 |
| 5.3 实验分析 | 第49-61页 |
| 5.3.1 性能度量 | 第49页 |
| 5.3.2 标准测试函数 | 第49-51页 |
| 5.3.3 实验条件设置 | 第51页 |
| 5.3.4 实验分析与比较 | 第51-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70页 |
