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

分布估计算法研究及在动态优化问题中的应用

摘要第1-7页
Abstract第7-11页
第一章 绪论第11-21页
   ·分布估计算法研究与发展第11-16页
     ·从遗传算法到分布估计算法第11-14页
     ·分布估计算法研究现状第14-16页
   ·动态优化研究背景与意义第16-18页
   ·应用分布估计算法求解动态优化问题第18-19页
   ·本文的主要工作第19-21页
第二章 分布估计算法与动态优化问题基本理论第21-35页
   ·分布估计算法第21-28页
     ·分布估计算法基本框架第21-22页
     ·分布估计算法分类第22-26页
     ·分布估计算法理论研究第26-28页
   ·动态优化第28-33页
     ·动态优化问题第28-31页
     ·动态优化方法第31-33页
   ·本章小结第33-35页
第三章 有限群体模型下分布估计算法(EDA)的收敛性分析第35-41页
   ·引言第35页
   ·有限群体EDA 模型第35-36页
   ·有限群体EDA 的收敛性第36-40页
     ·采用比例选择算子的EDA 的收敛性第36-38页
     ·采用截断选择算子的EDA 的收敛性第38-39页
     ·采用竞赛选择算子的EDA 的收敛性第39-40页
   ·本章小结第40-41页
第四章 多变量相关的分布估计算法:Bayesian 优化算法研究第41-61页
   ·引言第41-42页
   ·Bayesian 优化算法第42-46页
     ·Bayesian 优化算法的框架第42页
     ·Bayesian 网络第42-43页
     ·Bayesian 网络的学习第43-45页
     ·Bayesian 网络的抽样第45-46页
   ·结合局部结构学习的Bayesian 优化算法第46-51页
     ·Bayesian 网络结构学习分析第46-47页
     ·结合局部结构学习的Bayesian 优化算法及分析第47-48页
     ·算法分析第48页
     ·数值实验第48-51页
   ·结合先验知识的Bayesian 优化算法第51-55页
     ·结合先验知识的Bayesian 优化算法第52-53页
     ·数值实验第53-55页
   ·结合变异的Bayesian 优化算法第55-59页
     ·Bayesian 优化算法分析第55-56页
     ·结合变异的Bayesian 优化算法第56-57页
     ·数值实验第57-59页
   ·本章小结第59-61页
第五章 基于群体的增量学习分布估计算法(PBIL)求解动态优化问题第61-69页
   ·引言第61-62页
   ·PBIL 算法第62页
   ·一类动态优化问题第62-63页
   ·自适应PBIL 算法第63-64页
   ·自适应PBIL 算法求解动态优化问题第64-67页
     ·动态测试问题第64-65页
     ·数值实验第65-67页
   ·本章小结第67-69页
第六章 单变量边缘分布估计算法(UMDA)研究与动态优化问题求解第69-97页
   ·引言第69页
   ·单变量边缘分布估计算法第69-71页
   ·多群体UMDA 求解动态离散优化问题第71-81页
     ·多群体UMDA第71-74页
     ·算法收敛性证明及算法分析第74-75页
     ·性能度量指标第75-76页
     ·数值实验第76-81页
   ·自组织UMDA 求解动态单目标问题第81-87页
     ·自组织UMDA第81-84页
     ·数值实验第84-87页
   ·多群体扩散UMDA 求解动态多模问题第87-95页
     ·多群体扩散UMDA第88-90页
     ·动态多模问题第90-91页
     ·数值实验第91-95页
   ·本章小结第95-97页
第七章 基于预测模型的正则分布估计算法求解动态多目标优化问题第97-111页
   ·引言第97-98页
   ·正则分布估计算法第98-100页
   ·基于预测模型的正则分布估计算法第100-103页
   ·数值实验第103-110页
   ·本章小结第110-111页
第八章 总结与展望第111-115页
   ·研究工作总结第111-112页
   ·研究工作展望第112-115页
致谢第115-117页
参考文献第117-130页
在读期间的研究成果第130-131页

论文共131页,点击 下载论文
上一篇:解决单目标和多目标优化问题的进化算法
下一篇:统计通信信号处理技术研究