| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第22-32页 |
| 1.1 研究背景 | 第22-23页 |
| 1.2 研究目的与意义 | 第23-24页 |
| 1.3 最优化问题概述 | 第24-26页 |
| 1.3.1 最优化问题 | 第24-26页 |
| 1.3.2 最优化问题求解方法 | 第26页 |
| 1.4 智能优化算法概述 | 第26-29页 |
| 1.4.1 进化计算 | 第26-27页 |
| 1.4.2 群智能优化算法 | 第27-28页 |
| 1.4.3 萤火虫群智能优化算法 | 第28-29页 |
| 1.5 研究思路 | 第29页 |
| 1.6 研究内容与章节安排 | 第29-32页 |
| 第二章 萤火虫群智能优化算法概述 | 第32-44页 |
| 2.1 引言 | 第32-33页 |
| 2.2 萤火虫群智能优化算法 | 第33-37页 |
| 2.2.1 萤火虫优化算法的数学描述 | 第33-36页 |
| 2.2.2 萤火虫优化算法的复杂度分析 | 第36页 |
| 2.2.3 萤火虫优化算法的优点 | 第36-37页 |
| 2.3 萤火虫群智能优化算法的研究现状 | 第37-40页 |
| 2.3.1 种群初始化 | 第37-38页 |
| 2.3.2 变步长策略 | 第38页 |
| 2.3.3 混合策略 | 第38-39页 |
| 2.3.4 其他算法改进策略 | 第39页 |
| 2.3.5 离散型萤火虫优化算法 | 第39-40页 |
| 2.4 萤火虫优化算法的应用领域 | 第40-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第三章 离散二进制萤火虫优化算法研究 | 第44-68页 |
| 3.1 引言 | 第44-45页 |
| 3.2 基于改进SIGMOID函数的二进制萤火虫优化算法 | 第45-56页 |
| 3.2.1 算法设计与分析 | 第45-49页 |
| 3.2.2 算法步骤 | 第49页 |
| 3.2.3 仿真实验与结果 | 第49-51页 |
| 3.2.4 实验结果分析与小结 | 第51-56页 |
| 3.3 基于高斯变异函数的二进制萤火虫优化算法 | 第56-66页 |
| 3.3.1 算法设计与分析 | 第57-60页 |
| 3.3.2 算法步骤 | 第60页 |
| 3.3.3 仿真实验与结果 | 第60页 |
| 3.3.4 实验结果分析与小结 | 第60-66页 |
| 3.4 算法收敛性分析 | 第66-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 离散二进制萤火虫优化算法的应用研究 | 第68-90页 |
| 4.1 引言 | 第68-69页 |
| 4.2 分形理论 | 第69页 |
| 4.2.1 分形理论概述 | 第69页 |
| 4.2.2 分形维数计算方法 | 第69页 |
| 4.3 基于SBGSO算法与分形维数的属性选择方法 | 第69-83页 |
| 4.3.1 算法设计 | 第70-71页 |
| 4.3.2 算法复杂度分析 | 第71-72页 |
| 4.3.3 仿真实验与实验数据 | 第72页 |
| 4.3.4 SBGSO算法的实验验证 | 第72-77页 |
| 4.3.5 仿真实验结果与分析 | 第77-81页 |
| 4.3.6 基于SBGSO算法的属性选择方法在农业气象干旱数据中的应用 | 第81-83页 |
| 4.4 GBGSO-BPNN并行集成学习算法 | 第83-88页 |
| 4.4.1 算法设计与分析 | 第84页 |
| 4.4.2 算法流程 | 第84-86页 |
| 4.4.3 仿真实验与结果 | 第86-88页 |
| 4.5 本章小结 | 第88-90页 |
| 第五章 基于佳点集变步长策略的萤火虫优化算法 | 第90-104页 |
| 5.1 引言 | 第90页 |
| 5.2 佳点理论 | 第90-95页 |
| 5.2.1 佳点集理论 | 第91-92页 |
| 5.2.2 基于佳点集理论的种群初始化方法 | 第92-95页 |
| 5.3 变步长策略 | 第95-96页 |
| 5.4 基于佳点集变步长策略的萤火虫算法设计 | 第96-103页 |
| 5.4.1 算法步骤 | 第96-97页 |
| 5.4.2 GPSGSO算法的收敛性分析 | 第97-98页 |
| 5.4.3 测试函数 | 第98-100页 |
| 5.4.4 仿真平台与算法参数设置 | 第100页 |
| 5.4.5 实验结果与分析 | 第100-103页 |
| 5.5 本章小结 | 第103-104页 |
| 第六章 佳点集萤火虫优化算法在模式分类中的应用研究 | 第104-112页 |
| 6.1 引言 | 第104页 |
| 6.2 GPSGSO-SVM的分类算法 | 第104-111页 |
| 6.2.1 算法设计与分析 | 第105页 |
| 6.2.2 算法流程 | 第105-107页 |
| 6.2.3 仿真平台与算法参数设置 | 第107-108页 |
| 6.2.4 仿真实验与结果 | 第108-111页 |
| 6.3 本章小结 | 第111-112页 |
| 第七章 总结与展望 | 第112-115页 |
| 7.1 论文总结 | 第112-113页 |
| 7.2 研究展望 | 第113-115页 |
| 参考文献 | 第115-124页 |
| 在读期间参加的科研工作和发表的论文 | 第124页 |
