引力搜索算法的改进及应用研究
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题来源 | 第11-12页 |
| 1.2 国内外研究现状 | 第12页 |
| 1.3 GSA的理论研究 | 第12-15页 |
| 1.3.1 GSA收敛性分析 | 第13页 |
| 1.3.2 GSA的性能改进研究 | 第13-14页 |
| 1.3.3 GSA的应用研究 | 第14-15页 |
| 1.4 本文主要内容 | 第15-17页 |
| 第二章 群智能算法和引力搜索算法 | 第17-33页 |
| 2.1 群智能算法简介 | 第17-20页 |
| 2.1.1 遗传算法 | 第17-18页 |
| 2.1.2 布谷鸟算法 | 第18-19页 |
| 2.1.3 粒子群算法 | 第19-20页 |
| 2.2 基本引力搜索算法原理 | 第20-23页 |
| 2.3 引力搜索算法的流程 | 第23-24页 |
| 2.4 引力算法参数分析 | 第24-31页 |
| 2.4.1 标准测试函数的简介 | 第25-27页 |
| 2.4.2 参数0G的作用 | 第27-28页 |
| 2.4.3 参数a 的作用 | 第28-29页 |
| 2.4.4 参数Rp的作用 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 自适应引力搜索算法 | 第33-46页 |
| 3.1 基于群体密集度的自适应策略 | 第33-35页 |
| 3.2 引力常数G的自适应策略 | 第35-36页 |
| 3.3 自适应引力搜索算法（SGSA）流程 | 第36-37页 |
| 3.4 测试函数实验 | 第37-45页 |
| 3.4.1 数据分析 | 第37-40页 |
| 3.4.2 曲线分析 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于SGSA的T-S模型辨识 | 第46-60页 |
| 4.1 模糊系统 | 第46-47页 |
| 4.2 T-S模糊模型 | 第47-48页 |
| 4.3 基于SGSA的辨识方法 | 第48-51页 |
| 4.3.1 编码策略 | 第48-49页 |
| 4.3.2 适应度函数 | 第49页 |
| 4.3.3 辨识框架 | 第49-51页 |
| 4.4 T-S模型仿真 | 第51-58页 |
| 4.4.1 静态非线性系统 | 第51-53页 |
| 4.4.2 动态非线性系统 | 第53-56页 |
| 4.4.3 Box-Jenkins系统 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 基于SGSA的生物网络系统辨识 | 第60-65页 |
| 5.1 生物网络系统简单描述 | 第60页 |
| 5.2 生物网络系统的T-S模型 | 第60-61页 |
| 5.3 仿真测试 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-68页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 未来研究工作的展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 在读期间公开发表的论文和承担科研项目及取得成果 | 第73-74页 |
| 致谢 | 第74页 |
