| 第一章 绪论 | 第1-36页 |
| 1．1 引言 | 第14-15页 |
| 1．2 进化计算的生物学基础 | 第15-18页 |
| 1．2．1 进化论 | 第16页 |
| 1．2．2 遗传变异理论 | 第16-17页 |
| 1．2．3 新达尔文主义与生物进化的四要素 | 第17-18页 |
| 1．3 进化计算的主要分支及其基本框架 | 第18-21页 |
| 1．3．1 遗传算法 | 第18-19页 |
| 1．3．2 进化规划 | 第19-20页 |
| 1．3．3 进化策略 | 第20页 |
| 1．3．4 遗传程序设计 | 第20-21页 |
| 1．3．5 进化计算的基本框架 | 第21页 |
| 1．4 进化计算的主要特点和基本特征 | 第21-22页 |
| 1．5 进化计算的研究现状 | 第22-23页 |
| 1．6 进化计算的主要应用 | 第23-24页 |
| 1．7 本论文的内容安排 | 第24-27页 |
| 本章参考文献 | 第27-36页 |
| 第二章 微粒群优化算法及其理论基础 | 第36-56页 |
| 2．1 微粒群算法发展的历史背景 | 第36-37页 |
| 2．2 原始PSO算法 | 第37-43页 |
| 2．2．1 PSO算法原理 | 第37-38页 |
| 2．2．2 PSO算法的参数设置及分析 | 第38-40页 |
| 2．2．3 对原始PSO算法的若干改进 | 第40-43页 |
| 2．3 微粒群算法与其它进化算法的对比 | 第43-44页 |
| 2．4 微粒群算法的应用 | 第44-45页 |
| 2．5 微粒群算法的数学基础 | 第45-51页 |
| 2．5．1 微粒群系统粒子的运行轨迹及其一般模型 | 第46-48页 |
| 2．5．2 单个粒子的收敛性 | 第48-51页 |
| 本章参考文献 | 第51-56页 |
| 第三章 基于公理化模型的进化算法的收敛性 | 第56-76页 |
| 3．1 进化算法的基础理论研究现状 | 第56-61页 |
| 3．1．1 遗传算法的收敛性分析及模型 | 第56-59页 |
| 3．1．2 收敛速度估计与复杂性 | 第59-61页 |
| 3．2 基于公理化模型的广义抽象进化算法收敛性分析 | 第61-65页 |
| 3．2．1 引言 | 第61页 |
| 3．2．2 广义选择算子、广义进化算子及其参数特征 | 第61-63页 |
| 3．2．3 广义抽象进化算法及其强收敛性分析 | 第63-65页 |
| 3．3 基于特殊选择的抽象进化算法的收敛性 | 第65-72页 |
| 3．3．1 引言及相关定义 | 第65-67页 |
| 3．3．2 基于特殊选择进化算法及其Markov链转移概率矩阵的性质 | 第67-70页 |
| 3．3．3 抽缘进化算法的收敛性分析及其收敛速度估计 | 第70-72页 |
| 3．4 总结 | 第72页 |
| 本章参考文献 | 第72-76页 |
| 第四章 正交Multi-Agent遗传算法及其性能分析 | 第76-104页 |
| 4．1 正交试验设计 | 第76-79页 |
| 4．1．1 试验设计与正交表 | 第76-78页 |
| 4．1．2 正交设计阵列的构造 | 第78-79页 |
| 4．2 正交Multi-Agent遗传算法 | 第79-88页 |
| 4．2．1 引言 | 第79-80页 |
| 4．2．2 Multi-Agent系统 | 第80-82页 |
| 4．2．3 正交Multi-Agent遗传算法的描述 | 第82-88页 |
| 4．3 正交Multi-Agent遗传算法用于函数优化 | 第88-93页 |
| 4．3．1 测试函数和试验设置 | 第88-90页 |
| 4．3．2 优化结果 | 第90-93页 |
| 4．3．3 算法的优化机理 | 第93页 |
| 4．4 正交Multi-Agent算法的性能分析 | 第93-99页 |
| 4．4．1 平均成功率、平均时间、平均函数值计算次数和精度ε的关系 | 第94-95页 |
| 4．4．2 平均函数值计算次数C_(ave)和参数p_τ的关系 | 第95-96页 |
| 4．4．3 平均函数值计算次数C_(ave)和Q，F的相互关系 | 第96-97页 |
| 4．4．4 OMAGA与其它类型遗传算法之间的对比 | 第97-99页 |
| 4．5 总结 | 第99-102页 |
| 本章参考文献 | 第102-104页 |
| 第五章 基于正交设计和多智能体的微粒群优化算法 | 第104-128页 |
| 5．1 正交微粒群优化算法 | 第104-111页 |
| 5．1．1 引言 | 第104-105页 |
| 5．1．2 标准PSO算法和正交设计 | 第105-106页 |
| 5．1．3 正交微粒群算法的描述 | 第106-107页 |
| 5．1．4 试验设置和优化结果 | 第107-109页 |
| 5．1．5 OPSO算法的性能分析 | 第109-111页 |
| 5．2 基于多智能体的微粒群算法 | 第111-118页 |
| 5．2．1 引言 | 第111-112页 |
| 5．2．2 基于多智能体的微粒群算法 | 第112-114页 |
| 5．2．3 试验设置和优化结果 | 第114-115页 |
| 5．2．4 MAPSO算法的性能分析 | 第115-118页 |
| 5．3 正交多智能体微粒群算法 | 第118-124页 |
| 5．3．1 引言 | 第118-119页 |
| 5．3．2 正交多智能体微粒群算法(OMAPSO)的描述 | 第119-121页 |
| 5．3．3 算法的优化结果和性能分析 | 第121-124页 |
| 5．4 总结 | 第124-126页 |
| 本章参考文献 | 第126-128页 |
| 第六章 基于克隆选择的新型微粒群算法 | 第128-142页 |
| 6．1 从生物抗体克隆选择学说到人工克隆选择算法 | 第128-129页 |
| 6．1．1 生物抗体克隆选择学说的形成及其基本观点 | 第128-129页 |
| 6．1．2 人工克隆选择算法 | 第129页 |
| 6．2 基于克隆选择的新型微粒群算法 | 第129-135页 |
| 6．2．1 从普通微粒群算法到新型微粒群算法 | 第129-131页 |
| 6．2．2 基于克隆选择的新型微粒群算法的实现过程 | 第131-134页 |
| 6．2．3 CSPSO算法中基本操作的性质 | 第134-135页 |
| 6．3 CSPSO算法的试验结果 | 第135-139页 |
| 6．3．1 CSPSO算法和PSO以及MAPSO算法的比较 | 第135-137页 |
| 6．3．2 CSPSO算法和ICSA算法的比较 | 第137-139页 |
| 6．4 总结 | 第139-140页 |
| 本章参考文献 | 第140-142页 |
| 第七章 Sobolev空间上的框架和多尺度分析的特征 | 第142-172页 |
| 7．1 Sobolev空间上的框架 | 第142-153页 |
| 7．1．1 引言及相关知识 | 第142-144页 |
| 7．1．2 Sobolev空间上框架的必要条件 | 第144-149页 |
| 7．1．3 Sobolev空间上框架的充分条件 | 第149-152页 |
| 7．1．4 对偶框架 | 第152-153页 |
| 7．2 H~s(R~n)上矩阵伸缩的多尺度分析特征刻画 | 第153-162页 |
| 7．2．1 引言及相关知识 | 第153-154页 |
| 7．2．2 条件A_1和A_4的特征刻画 | 第154-156页 |
| 7．2．3 条件A_3的特征刻画 | 第156-158页 |
| 7．2．4 条件A_2的特征刻画 | 第158-162页 |
| 7．3 具有一般伸缩矩阵高维周期尺度函数的双正交性 | 第162-169页 |
| 7．3．1 引言及预备知识 | 第162-163页 |
| 7．3．2 主要定理 | 第163-164页 |
| 7．3．3 定理的证明 | 第164-169页 |
| 7．4 总结 | 第169-170页 |
| 本章参考文献 | 第170-172页 |
| 第八章 总结与展望 | 第172-176页 |
| 致谢 | 第176-178页 |
| 博士学习阶段(合作)发表与撰写的学术论文 | 第178-179页 |
| 主持和参加的科研项目 | 第179-180页 |
