粒子群算法在复杂函数优化中的学习策略及其改进
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 主要符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要工作及组织架构 | 第11-13页 |
| 第二章 粒子群算法相关理论基础 | 第13-18页 |
| 2.1 粒子群算法理论概述 | 第13-16页 |
| 2.1.1 原始的粒子群算法 | 第13-14页 |
| 2.1.2 具有惯性权重的标准PSO算法 | 第14-15页 |
| 2.1.3 全局学习模型与局部学习模型 | 第15-16页 |
| 2.2 无免费午餐定理 | 第16页 |
| 2.3 本章小结 | 第16-18页 |
| 第三章 自适应多种群的粒子群算法 | 第18-29页 |
| 3.1 算法改进及策略 | 第18-22页 |
| 3.1.1 自适应重组 | 第18页 |
| 3.1.2 探测操作 | 第18-22页 |
| 3.1.3 局部搜索策略 | 第22页 |
| 3.2 算法步骤 | 第22-24页 |
| 3.3 实验结果与分析 | 第24-28页 |
| 3.3.1 测试函数及其对比算法 | 第24-25页 |
| 3.3.2 算法求解精度对比 | 第25-26页 |
| 3.3.3 算法收敛速度对比 | 第26-27页 |
| 3.3.4 算法在实际应用问题上的对比 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 多层次适应与有目的探测的粒子群算法 | 第29-50页 |
| 4.1 算法改进及策略 | 第29-34页 |
| 4.1.1 多层次适应的学习模型 | 第29-31页 |
| 4.1.2 探测策略 | 第31-33页 |
| 4.1.3 局部搜索策略 | 第33-34页 |
| 4.2 算法步骤 | 第34-35页 |
| 4.3 实验结果与分析 | 第35-48页 |
| 4.3.1 测试函数及其对比算法 | 第35-37页 |
| 4.3.2 参量敏感性分析 | 第37-39页 |
| 4.3.3 求解精度对比 | 第39-41页 |
| 4.3.4 统计学检验结果 | 第41-43页 |
| 4.3.5 收敛速度对比 | 第43-44页 |
| 4.3.6 实际应用问题对比 | 第44-45页 |
| 4.3.7 在大规模优化问题中的性能表现 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 个人简历在读期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
