| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 引言 | 第14-15页 |
| 1.2 萤火虫群优化算法的研究进展 | 第15-16页 |
| 1.3 论文的主要工作 | 第16-17页 |
| 1.4 论文的结构安排 | 第17-18页 |
| 第二章 基本的萤火虫群优化算法 | 第18-24页 |
| 2.1 萤火虫群优化算法(GSO) | 第18-20页 |
| 2.1.1 萤火虫群优化算法(GSO)的仿生学原理 | 第18-19页 |
| 2.1.2 萤火虫群优化算法(GSO)的数学模型 | 第19页 |
| 2.1.3 萤火虫群优化算法(GSO)的基本流程 | 第19-20页 |
| 2.2 萤火虫算法(FA) | 第20-21页 |
| 2.2.1 萤火虫算法(FA)的数学模型 | 第20页 |
| 2.2.2 萤火虫算法(FA)的基本流程 | 第20-21页 |
| 2.2.3 萤火虫群优化算法(GSO)与萤火虫算法(FA) | 第21页 |
| 2.3 萤火虫群优化算法(GSO)的改进 | 第21-24页 |
| 2.3.1 借鉴混沌算法 | 第21-22页 |
| 2.3.2 步长的改进 | 第22-23页 |
| 2.3.3 融合其他优化算法 | 第23-24页 |
| 第三章 改进的萤火虫群优化算法 | 第24-37页 |
| 3.1 遗传算法 | 第24-30页 |
| 3.1.1 遗传算法的仿生学原理 | 第24-25页 |
| 3.1.2 遗传算法的基本流程 | 第25页 |
| 3.1.3 遗传算法的构成要素 | 第25-28页 |
| 3.1.4 遗传算法的参数控制 | 第28-29页 |
| 3.1.5 遗传算法的特点和应用 | 第29-30页 |
| 3.2 局部搜索算法 | 第30-33页 |
| 3.2.1 爬山算法 | 第31-32页 |
| 3.2.2 模拟退火算法 | 第32页 |
| 3.2.3 禁忌搜索算法 | 第32-33页 |
| 3.3 改进的萤火虫群优化算法 | 第33-37页 |
| 3.3.1 改进的萤火虫群优化算法的编码策略 | 第33-34页 |
| 3.3.2 改进的萤火虫群优化算法的搜索策略 | 第34-35页 |
| 3.3.3 改进的萤火虫群优化算法的基本流程 | 第35页 |
| 3.3.4 改进的萤火虫群优化算法的复杂度分析 | 第35-37页 |
| 第四章 IGSO和GA在同类机调度问题中的应用 | 第37-44页 |
| 4.1 同类机调度问题的数学模型 | 第37-38页 |
| 4.2 实验环境及参数设置 | 第38-39页 |
| 4.2.1 实验环境 | 第38页 |
| 4.2.2 参数设置 | 第38-39页 |
| 4.3 实验结果及参数分析 | 第39-44页 |
| 4.3.1 极小化最大完成时间型调度项目 | 第39-41页 |
| 4.3.2 极小化完成时间和型调度项目 | 第41-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 论文总结 | 第44页 |
| 5.2 未来展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第49页 |