| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-32页 |
| ·选题背景 | 第18-20页 |
| ·选题意义 | 第20-22页 |
| ·文献综述 | 第22-29页 |
| ·填充函数法的理论和应用研究 | 第22-24页 |
| ·CFO的理论和应用研究 | 第24-25页 |
| ·求优化问题所有局部极小点的理论和应用研究 | 第25-26页 |
| ·自适应动态控制种群的群智能算法理论和应用研究 | 第26-27页 |
| ·多种群进化算法理论和应用研究 | 第27-29页 |
| ·论文的主要研究工作和创新点 | 第29-32页 |
| 第二章 求解全局优化问题的一类新的填充函数法 | 第32-46页 |
| ·问题及相关概念 | 第32-33页 |
| ·求解约束优化问题的填充函数及其性质 | 第33-36页 |
| ·一类新的填充函数法算法 | 第36-37页 |
| ·数值试验 | 第37-45页 |
| ·对比分析 | 第43-44页 |
| ·初始点对算法影响的分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 基于改进单纯形法的中心引力算法 | 第46-64页 |
| ·问题及相关概念 | 第46-48页 |
| ·中心引力算法 | 第46-47页 |
| ·单纯形法 | 第47-48页 |
| ·基于聚类单纯形的改进中心引力算法 | 第48-56页 |
| ·算法模型 | 第48-52页 |
| ·改进单纯形法 | 第52-53页 |
| ·算法步骤 | 第53-54页 |
| ·算法的收敛性分析 | 第54-56页 |
| ·数值试验及分析 | 第56-62页 |
| ·测试环境设置 | 第56-57页 |
| ·算法性能对比 | 第57-59页 |
| ·参数的灵敏度分析 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 自适应动态控制种群的一类新的中心引力算法 | 第64-74页 |
| ·种群自适应变化算法 | 第64-65页 |
| ·一类种群动态管理策略框架 | 第65-68页 |
| ·增加算子的设计 | 第65-67页 |
| ·删除算子的设计 | 第67-68页 |
| ·伪随机数序列 | 第68页 |
| ·自适应调整种群规模的中心引力算法(VPCFO) | 第68-69页 |
| ·数值试验与分析 | 第69-71页 |
| ·标准测试函数与参数设置 | 第69页 |
| ·参数设置 | 第69-70页 |
| ·结果与分析 | 第70-71页 |
| ·本章小结 | 第71-74页 |
| 第五章 一种刻划局部极小点分布的度量 | 第74-86页 |
| ·研究现状 | 第74-75页 |
| ·G-度量 | 第75-79页 |
| ·G-度量的近似计算方法 | 第79-81页 |
| ·一类求箱式约束问题全部局部极小点的算法 | 第81-84页 |
| ·问题分析 | 第81-82页 |
| ·算法伪代码 | 第82-83页 |
| ·数值试验及结果分析 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第六章 一类结合聚类方法的多种群引力算法 | 第86-102页 |
| ·引力搜索算法与并行性分析 | 第86-88页 |
| ·GSA简介 | 第86-87页 |
| ·GSA的隐含并行性分析 | 第87-88页 |
| ·子种群的重组策略 | 第88-94页 |
| ·基于随机选择的重组策略 | 第88-90页 |
| ·基于聚类的种群重组策略 | 第90-91页 |
| ·基于聚类的重组策略有效性分析 | 第91-93页 |
| ·子种群重组周期与子种群数量的参数灵敏度分析 | 第93-94页 |
| ·子种群间的信息协同交互策略 | 第94-95页 |
| ·基于聚类学习的多种群引力搜索算法(Clustering learning Multi SwarmGravitational Search Algorithm, CMS-GSA) | 第95-96页 |
| ·数值试验与分析 | 第96-100页 |
| ·测试函数信息 | 第96-97页 |
| ·参数设置 | 第97页 |
| ·实验结果分析与讨论 | 第97-100页 |
| ·本章小结 | 第100-102页 |
| 第七章 结论和展望 | 第102-106页 |
| ·本文主要研究内容 | 第102-103页 |
| ·进一步研究的问题 | 第103-106页 |
| 参考文献 | 第106-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118-120页 |