基于模拟退火的粒子群算法的函数优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与课题意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 课题意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的组织 | 第13-15页 |
| 第二章 智能优化算法 | 第15-23页 |
| 2.1 函数优化 | 第15-16页 |
| 2.2 智能优化算法 | 第16-22页 |
| 2.2.1 遗传算法 | 第16-17页 |
| 2.2.2 禁忌搜索算法 | 第17-18页 |
| 2.2.3 人工神经网络 | 第18-19页 |
| 2.2.4 蚁群算法 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于模拟退火的粒子群混合算法 | 第23-42页 |
| 3.1 粒子群优化算法 | 第23-27页 |
| 3.1.1 算法基本理论 | 第23-24页 |
| 3.1.2 算法的基本流程 | 第24-25页 |
| 3.1.3 算法说明 | 第25-26页 |
| 3.1.4 粒子群算法的主要应用 | 第26页 |
| 3.1.5 粒子群算法的研究方向 | 第26-27页 |
| 3.2 模拟退火算法 | 第27-29页 |
| 3.2.1 算法思想 | 第27-28页 |
| 3.2.2 算法原理 | 第28页 |
| 3.2.3 模拟退火参数设置 | 第28页 |
| 3.2.4 算法步骤 | 第28-29页 |
| 3.2.5 算法特点 | 第29页 |
| 3.3 算法的改进 | 第29-30页 |
| 3.4 基于模拟退火的粒子群混合算法 | 第30-41页 |
| 3.4.1 算法分析 | 第30-32页 |
| 3.4.2 基于模拟退火的粒子群算法原理 | 第32页 |
| 3.4.3 基于模拟退火的粒子群算法流程图 | 第32-33页 |
| 3.4.4 基于模拟退火的粒子群算法步骤 | 第33-35页 |
| 3.4.5 实现工具 | 第35-38页 |
| 3.4.6 算法实现 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 仿真实验及分析 | 第42-58页 |
| 4.1 测试函数 | 第42-48页 |
| 4.2 优化曲线 | 第48-51页 |
| 4.3 优化前后粒子位置对比 | 第51-55页 |
| 4.4 50次独立实验 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于模拟退火的粒子群算法应用 | 第58-63页 |
| 5.1 FSP问题 | 第58页 |
| 5.2 FSP求解结果 | 第58-59页 |
| 5.3 结果分析 | 第59-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 全文总结 | 第63页 |
| 6.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71页 |
