粒子群优化算法的研究与改进
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题背景 | 第8-9页 |
| ·国内外研究现状和进展 | 第9-10页 |
| ·本文的主要成果 | 第10-11页 |
| ·本文的组织 | 第11-12页 |
| 第2章 研究基础 | 第12-25页 |
| ·引言 | 第12页 |
| ·优化 | 第12-15页 |
| ·局部优化 | 第13-14页 |
| ·全局优化 | 第14页 |
| ·无免费午餐定理 | 第14-15页 |
| ·进化计算 | 第15-21页 |
| ·遗传算法 | 第16-18页 |
| ·进化策略 | 第18-19页 |
| ·进化规划 | 第19页 |
| ·遗传程序设计 | 第19-20页 |
| ·进化计算的主要特点 | 第20-21页 |
| ·群体智能 | 第21-24页 |
| ·什么是群体智能 | 第21页 |
| ·蚁群优化算法 | 第21-23页 |
| ·粒子群优化算法 | 第23-24页 |
| ·群体智能的特点和优点 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 粒子群优化算法 | 第25-47页 |
| ·引言 | 第25页 |
| ·原始粒子群优化算法 | 第25-30页 |
| ·算法原理 | 第25-27页 |
| ·算法参数 | 第27页 |
| ·算法边界条件 | 第27-28页 |
| ·算法步骤 | 第28页 |
| ·算法时间复杂度分析 | 第28-29页 |
| ·PSO 与GA 的比较 | 第29-30页 |
| ·二进制PSO | 第30页 |
| ·粒子群优化算法的发展与改进 | 第30-38页 |
| ·PSO 参数改进 | 第31-33页 |
| ·PSO 拓扑改进 | 第33-34页 |
| ·PSO 混合算法 | 第34-38页 |
| ·PSO 算法的应用 | 第38-42页 |
| ·函数优化 | 第39页 |
| ·神经网络训练 | 第39-41页 |
| ·组合优化 | 第41页 |
| ·PSO 的工程应用 | 第41-42页 |
| ·基准测试函数 | 第42-46页 |
| ·PSO 演示 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于雁群启示的粒子群优化算法 | 第47-56页 |
| ·引言 | 第47页 |
| ·PSO 术语 | 第47-48页 |
| ·基于雁群启示的惯性权重线性下降算法 | 第48-53页 |
| ·LDW | 第48页 |
| ·基于雁群启示的LDW | 第48-51页 |
| ·实验分析 | 第51-53页 |
| ·基于雁群启示的收缩因子模型 | 第53-54页 |
| ·CFM | 第53页 |
| ·基于雁群启示的CFM | 第53-54页 |
| ·实验分析 | 第54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第63页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第63页 |
| 哈尔滨工业大学硕士学位涉密论文管理 | 第63-64页 |
| 致谢 | 第64页 |
