| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内外研究现状分析 | 第10-11页 |
| 1.2.2 研究现状存在的问题及解决办法 | 第11-12页 |
| 1.3 研究内容、目标以及解决的关键问题 | 第12-13页 |
| 1.3.1 研究内容和目标 | 第12-13页 |
| 1.3.2 解决的关键问题 | 第13页 |
| 1.4 论文结构和创新点 | 第13-15页 |
| 1.4.1 论文结构 | 第13-14页 |
| 1.4.2 创新点 | 第14-15页 |
| 第二章 基于人工记忆原理的函数优化方法 | 第15-33页 |
| 2.1 引言 | 第15-16页 |
| 2.2 人工记忆优化算法的模型研究 | 第16-26页 |
| 2.2.1 记忆基本模型 | 第16-17页 |
| 2.2.2 算法场景设计 | 第17-19页 |
| 2.2.3 记忆算子设计 | 第19-21页 |
| 2.2.4 记忆与遗忘更新数学模型 | 第21-23页 |
| 2.2.5 人工记忆优化算法的构造 | 第23-26页 |
| 2.3 人工记忆算法的全局收敛性证明 | 第26-29页 |
| 2.4 实例研究及对比分析 | 第29-32页 |
| 2.5 结论 | 第32-33页 |
| 第三章 基于人工记忆原理的蚁群函数优化方法 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 基于记忆原理的蚁群算法模型研究 | 第33-42页 |
| 3.2.1 蚁群算法思想与记忆原理阐述 | 第34页 |
| 3.2.2 蚁群记忆优化模型工作原理 | 第34-36页 |
| 3.2.3 蚁群记忆优化模型元素 | 第36-38页 |
| 3.2.4 蚁群记忆优化模型记忆遗忘衰减与更新 | 第38-39页 |
| 3.2.5 蚁群信息素衰减与更新数学模型 | 第39-40页 |
| 3.2.6 蚁群记忆优化模型最优路径选择概率 | 第40-41页 |
| 3.2.7 蚁群记忆优化算法设计 | 第41-42页 |
| 3.3 实例研究及对比分析 | 第42-44页 |
| 3.4 结论 | 第44-45页 |
| 第四章 基于记忆原理的粒子群函数优化方法 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 基于记忆原理的粒子群模型研究 | 第45-55页 |
| 4.2.1 基于记忆原理的粒子群行为研究 | 第45页 |
| 4.2.2 基本粒子群算法思路 | 第45-46页 |
| 4.2.3 基于记忆原理的粒子群优化模型元素定义 | 第46-48页 |
| 4.2.4 基于记忆原理的粒子群优化模型记忆遗忘衰减和更新 | 第48-49页 |
| 4.2.5 基于记忆原理的粒子群优化模型实现方法构造 | 第49-52页 |
| 4.2.6 基于记忆原理的粒子群优化模型算法设计 | 第52-55页 |
| 4.3 实例研究及对比分析 | 第55-57页 |
| 4.4 结论 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 研究工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者简介及研究生期间发表论文 | 第64页 |
| 作者简介 | 第64页 |
| 研究生期间发表论文 | 第64页 |