首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

布谷鸟算法研究与应用

摘要第5-6页
abstract第6页
第1章 绪论第9-11页
第2章 标准布谷鸟算法(CS)第11-31页
    2.1 Levy飞行第11页
    2.2 标准布谷鸟算法(CS)第11-16页
        2.2.1 标准布谷鸟算法(CS)的研究背景第11页
        2.2.2 标准布谷鸟算法(CS)的设计与实现第11-14页
        2.2.3 标准布谷鸟算法(CS)的流程图Matlab代码第14页
        2.2.4 标准布谷鸟算法的Matlab代码第14-15页
        2.2.5 标准布谷鸟算法(CS)的参数设置第15-16页
    2.3 标准布谷鸟算法的收敛性分析第16-24页
        2.3.1 关于Markov链的简介第16-17页
        2.3.2 收敛性准则第17-18页
        2.3.3 标准布谷鸟算法(CS)的相关数学定义第18-19页
        2.3.4 标准布谷鸟算法(CS)中Markov链的建立第19-22页
        2.3.5 标准布谷鸟算法(CS)的收敛性分析第22-23页
        2.3.6 关于标准布谷鸟算法的收敛性试验第23-24页
    2.4 标准布谷鸟算法(CS)的实施与验证第24-31页
        2.4.1 标准布谷鸟算法(CS)的模拟试验及相关的参数设置第24-26页
        2.4.2 标准测试函数集第26-31页
第3章 基于logistic模型的自适应布谷鸟算法(ACS)第31-38页
    3.1 步长控制因子α的动态调整第31页
    3.2 动态步长控制因子α的自适应布谷鸟算法步骤及流程图第31-33页
        3.2.1 自适应布谷鸟算法的具体执行步骤第31-33页
        3.2.2 自适应布谷鸟算法的流程图第33页
    3.3 相关数值试验第33-38页
        3.3.1 Benchmarks测试函数集第33-34页
        3.3.2 试验参数的设置第34-35页
        3.3.3 试验结果及分析第35-38页
第4章 布谷鸟算法的并行化设计与实现第38-49页
    4.1 并行化接口OpenMP第38-39页
    4.2 并行化参数实现第39-41页
        4.2.1 鸟巢参数搜寻第39-40页
        4.2.2 鸟巢个体寻优第40-41页
    4.3 OPCS算法的流程结构规划第41-42页
    4.4 实验测试函数第42-43页
    4.5 实验数据分析第43-49页
        4.5.1 收敛性检验第43-45页
        4.5.2 计算时间检验第45-49页
第5章 自适应布谷鸟算法(ACS)在多目标优化问题中的应用第49-56页
    5.1 多目标优化问题第49-50页
        5.1.1 多目标规划的线性模型第49-50页
        5.1.2 多目标线性规划模型的求解办法第50页
    5.2 自适应布谷鸟算法在多目标问题优化中的应用第50-56页
        5.2.1 多目标线性规划例子第50-51页
        5.2.2 Matlab求解多目标规划问题第51-52页
        5.2.3 自适应布谷鸟算法求解多目标规划问题的步骤[29]第52-53页
        5.2.4 自适应布谷鸟算法求解多目标规划问题的流程图第53-54页
        5.2.5 自适应布谷鸟算法求解多目标规划问题的Matlab程序第54-56页
结论第56-57页
参考文献第57-60页
附录第60-74页
    附录 A自适应布谷鸟算法运行程序第60-63页
    附录 B并行化布谷鸟算法运行程序第63-74页
攻读硕士学位期间取得的学术成果第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:海洋起重机运动补偿绞车控制系统设计与性能分析
下一篇:多目标粒子群优化算法的改进策略研究