蚁群算法在飞行模拟器平台中若干应用问题的研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第12-19页 |
1.1 研究背景和意义 | 第12-13页 |
1.2 飞行模拟器系统架构 | 第13-14页 |
1.3 飞行模拟器的研究现状 | 第14-17页 |
1.3.1 模拟器发展历史 | 第14-15页 |
1.3.2 模拟器国内外现状 | 第15-16页 |
1.3.3 飞行模拟器应用情况 | 第16-17页 |
1.4 本文工作及组织结构 | 第17-19页 |
第2章 基本算法介绍 | 第19-33页 |
2.1 蚁群算法 | 第19-20页 |
2.1.1 蚂蚁个体的抽象 | 第19页 |
2.1.2 问题空间的抽象 | 第19页 |
2.1.3 觅食路径的抽象 | 第19-20页 |
2.1.4 信息素模型的抽象 | 第20页 |
2.1.5 启发因子模型 | 第20页 |
2.2 蚁群算法发展 | 第20-23页 |
2.3 蚁群算法的原理 | 第23-26页 |
2.3.1 蚁群觅食行为模拟 | 第23-24页 |
2.3.2 蚁群算法的逻辑结构 | 第24-25页 |
2.3.3 蚁群算法的分布式特征 | 第25-26页 |
2.4 蚁群算法的数学模型 | 第26-30页 |
2.4.1 TSP 问题 | 第26-28页 |
2.4.2 基本蚁群算法的实现 | 第28-30页 |
2.5 基本蚁群算法的复杂度分析 | 第30-31页 |
2.5.1 基本蚁群算法的时间复杂度 | 第30页 |
2.5.2 基本蚁群算法的空间复杂度 | 第30-31页 |
2.6 遗传算法及模拟退火算法简介 | 第31-32页 |
2.7 本章小结 | 第32-33页 |
第3章 求解多目标数据关联问题 | 第33-54页 |
3.1 引言 | 第33页 |
3.2 数据融合概述 | 第33-36页 |
3.2.1 数据融合原理与定义 | 第33-34页 |
3.2.2 数据融合中的主要问题 | 第34-35页 |
3.2.3 多目标多传感器数据关联问题的产生 | 第35-36页 |
3.3 多目标优化问题的讨论(拉格朗日降幂处理) | 第36-39页 |
3.3.1 多目标数据关联与组合优化 | 第36-37页 |
3.3.2 拉格朗日松弛算法应用于多目标数据关联 | 第37-39页 |
3.4 基于仿生算法的建模 | 第39-42页 |
3.4.1 多目标跟踪问题描述基本模型 | 第39-40页 |
3.4.2 仿生算法的问题描述 | 第40-42页 |
3.5 算法实现 | 第42-46页 |
3.5.1 算法总体流程 | 第42-44页 |
3.5.2 种群交叉变异 | 第44-45页 |
3.5.3 种群多样性 | 第45-46页 |
3.6 实验对比 | 第46-52页 |
3.6.1 对比算法 | 第46页 |
3.6.2 多目标关联仿真 | 第46-48页 |
3.6.3 三种算法综合对比 | 第48页 |
3.6.4 ACDA 与AC-GADA 实验对比 | 第48-52页 |
3.6.5 JPDA 与AC-GADA 实验对比 | 第52页 |
3.6.6 对实验结果的讨论 | 第52页 |
3.7 本章小结 | 第52-54页 |
第4章 求解多输出电路测试集生成问题 | 第54-80页 |
4.1 引言 | 第54页 |
4.2 测试生成概述 | 第54-58页 |
4.2.1 数字电路测试集生成 | 第54-55页 |
4.2.2 测试生成的基本原理 | 第55-56页 |
4.2.3 测试生成中的基本概念 | 第56-57页 |
4.2.4 测试性能评价 | 第57页 |
4.2.5 测试生成算法的发展及现状 | 第57-58页 |
4.3 故障类型与模型 | 第58-59页 |
4.3.1 电路故障分类 | 第58页 |
4.3.2 电路故障模型 | 第58-59页 |
4.4 伪穷举测试 | 第59-64页 |
4.4.1 电路划分 | 第59-62页 |
4.4.2 多输出电路与关联矩阵划分 | 第62-64页 |
4.5 基于蚁群算法的多输出电路图着色问题 | 第64-69页 |
4.5.1 蚁群算法实现 | 第64-65页 |
4.5.2 个体信息素模型 | 第65-66页 |
4.5.3 信息素扩散模型 | 第66-69页 |
4.6 实验对比 | 第69-79页 |
4.6.1 标准组合电路 | 第69-72页 |
4.6.2 关联矩阵划分 | 第72-75页 |
4.6.3 单纯图着色问题 | 第75-77页 |
4.6.4 飞行模拟器典型电路测试集生成 | 第77-79页 |
4.7 本章小结 | 第79-80页 |
第5章 求解测试集优化问题 | 第80-96页 |
5.1 引言 | 第80页 |
5.2 测试集优化概述 | 第80页 |
5.3 静态测试集优化 | 第80-83页 |
5.3.1 测试矩阵表示方法 | 第81-82页 |
5.3.2 测试矢量与故障集对应关系表示方法 | 第82-83页 |
5.3.3 最优测试集 | 第83页 |
5.4 基于仿生算法的建模 | 第83-86页 |
5.4.1 静态测试集优化基本模型 | 第83-84页 |
5.4.2 蚁群算法的问题描述 | 第84-86页 |
5.5 算法实现 | 第86-90页 |
5.5.1 双层节点划分 | 第86-87页 |
5.5.2 求解个体转移概率 | 第87页 |
5.5.3 故障集扰动 | 第87页 |
5.5.4 基于模拟退火算法更新矢量集 | 第87-90页 |
5.6 实验对比 | 第90-95页 |
5.6.1 最小完备测试集实验对比 | 第90-94页 |
5.6.2 最优测试集实验对比 | 第94-95页 |
5.6.3 对实验结果的讨论 | 第95页 |
5.7 本章小结 | 第95-96页 |
第6章 结论与展望 | 第96-98页 |
参考文献 | 第98-108页 |
作者简介及科研成果 | 第108-109页 |
致谢 | 第109页 |