社会演化算法在机组组合中的应用
| 第一章 绪论 | 第6-12页 |
| 1.1 机组组合问题的提出 | 第6-9页 |
| 1.2 机组组合问题的研究意义 | 第9-10页 |
| 1.3 本文的主要研究工作 | 第10-12页 |
| 第二章 机组组合问题的数学模型及常用算法 | 第12-31页 |
| 2.1 机组组合问题的数学模型 | 第12-15页 |
| 2.1.1 变量 | 第13-14页 |
| 2.1.2 目标函数 | 第14页 |
| 2.1.3 约束条件 | 第14-15页 |
| 2.2 机组组合问题常用的优化算法 | 第15-30页 |
| 2.2.1 优先顺序法 | 第15-17页 |
| 2.2.2 动态规划法 | 第17-21页 |
| 2.2.3 拉格朗日松弛算法 | 第21-23页 |
| 2.2.4 遗传算法 | 第23-30页 |
| 2.2.4.1 遗传算法的基本原理 | 第24-25页 |
| 2.2.4.2 遗传算法的实现 | 第25-29页 |
| 2.2.4.3 遗传算法的优缺点 | 第29-30页 |
| 2.3 小结 | 第30-31页 |
| 第三章 认知科学与社会群体认知模型 | 第31-40页 |
| 3.1 认知科学 | 第31页 |
| 3.2 面向组合优化问题的通用社会群体认知模型 | 第31-39页 |
| 3.2.1 组和优化问题的数学模型 | 第32-33页 |
| 3.2.2 社会群体认知模型与人类社会的联系 | 第33页 |
| 3.2.3 社会群体认知模型的组织结构 | 第33-35页 |
| 3.2.4 社会群体认知模型的演化 | 第35-38页 |
| 3.2.4.1 范式的确立与更新 | 第35-36页 |
| 3.2.4.2 认知主体对范式的学习 | 第36-37页 |
| 3.2.4.3 最优范式的强化与衰减 | 第37页 |
| 3.2.4.4 认知主体对范式的突破 | 第37-38页 |
| 3.2.5 社会群体认知模型示意图 | 第38-39页 |
| 3.3 小结 | 第39-40页 |
| 第四章 社会演化算法在机组组合中的实现 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 社会演化算法与传统遗传算法寻优机制的比较 | 第40-42页 |
| 4.3 社会演化算法基本认知主体的设计 | 第42-47页 |
| 4.3.1 “人” 在机组组合问题中的认知过程 | 第42-45页 |
| 4.3.2 基本认知主体的认知机理 | 第45-47页 |
| 4.4 基于“范式转换”理论进化寻优机制的设计 | 第47-48页 |
| 4.4.1 范式的确立与更新 | 第47页 |
| 4.4.2 范式的学习与突破 | 第47-48页 |
| 4.5 算例 | 第48-52页 |
| 4.6 小结 | 第52-54页 |
| 第五章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
