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

智能优化算法的设计及应用

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第13-19页
    1.1 论文选题背景第13页
    1.2 论文研究意义第13-14页
    1.3 论文研究问题及文献综述第14-16页
        1.3.1 金属纳米团簇的最低势能结构的预测第15页
        1.3.2 危险化学品的车辆路径问题第15-16页
    1.4 文章主要研究内容和创新点第16-18页
    1.5 本文章节安排第18-19页
第二章 智能优化算法第19-27页
    2.1 智能优化算法第19-24页
        2.1.1 粒子群算法第19-20页
        2.1.2 蚁群算法第20-22页
        2.1.3 遗传算法第22-23页
        2.1.4 模拟退火算法第23-24页
    2.2 多目标优化问题求解方法第24-27页
第三章 结合莱维飞行加入随机学习机制的粒子群算法在金属纳米团簇中的应用第27-41页
    3.1 研究背景第27-28页
    3.2 算法第28-31页
        3.2.1 加入随机学习机制的改进PSO算法第28-29页
        3.2.2 莱维飞行第29页
        3.2.3 RPSOLF算法第29-31页
    3.3 关于测试函数的数值结果和讨论第31-37页
        3.3.1 随机学习机制和莱维飞行的性能第32-33页
        3.3.2 通过测试函数比较PSOLF算法和RPSOLF算法第33-35页
        3.3.3 RPSOLF算法和其他改进的PSO算法的比较第35-37页
    3.4 Lennard-Jones团簇的最低势能构型第37-40页
    3.5 小结第40-41页
第四章 一个新的基于碳排放的危险化学品车辆路径模型及其算法第41-55页
    4.1 研究背景第41-42页
    4.2 模型第42-48页
        4.2.1 符号说明第43-44页
        4.2.2 模型描述第44-45页
        4.2.3 EHVRP模型第45-48页
    4.3 算法第48-51页
        4.3.1 基本蚁群算法第48页
        4.3.2 局部搜索策略第48-49页
        4.3.3 启发式因子更新机制第49-50页
        4.3.4 信息素更新公式第50页
        4.3.5 算法第50-51页
    4.4 数值实验第51-54页
        4.4.1 三种算法的结果比较第52-53页
        4.4.2 EHVRP模型的求解第53-54页
    4.5 小结第54-55页
第五章 结论第55-57页
参考文献第57-65页
致谢第65-67页
攻读硕士期间发表的论文第67-69页
作者和导师简介第69-70页
附表第70-71页

论文共71页,点击 下载论文
上一篇:复印机碳粉供应控制系统设计与实现
下一篇:基于结构的一类适应资源变化的Petri网模型控制研究