首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

演化策略的若干改进及应用

摘要第8-10页
ABSTRACT第10-11页
第一章 绪论第12-24页
    1.1 论文的研究背景第12-15页
    1.2 演化计算的国内外研究现状第15-20页
        1.2.1 遗传算法第15-16页
        1.2.2 演化策略第16-18页
        1.2.3 演化规划第18页
        1.2.4 小生境遗传算法第18-19页
        1.2.5 基于协同机制的演化策略第19-20页
    1.3 演化计算的发展趋势第20-22页
    1.4 主要研究内容与创新之处第22页
    1.5 论文的组织结构第22-24页
第二章 基于混合高斯模型的改进第24-55页
    2.1 引言第24-26页
    2.2 背景第26-29页
        2.2.1 单种群中的非物种保护策略第26-27页
        2.2.2 单种群中物种保护策略第27-28页
        2.2.3 多种群策略第28-29页
    2.3 基于高斯分类器的演化策略(GCES)第29-37页
        2.3.1 多峰曲面的高斯分类模型第29-30页
        2.3.2 基于高斯模型的采样第30-31页
        2.3.3 估计GMM参数第31-33页
        2.3.4 基于贝叶斯决策理论的分类第33-34页
        2.3.5 定位最优解的ZF自适应因子第34-37页
    2.4 GCES的实现第37-40页
        2.4.1 GCES流程第37-38页
        2.4.2 探索未知区域第38-39页
        2.4.3 整合类似的聚类第39-40页
    2.5 实验与讨论第40-54页
        2.5.1 估计高斯分布的有效性检验第41-44页
        2.5.2 测试定位全局和局部最优解的能力第44-48页
        2.5.3 使用CEC2013问题的比较第48-54页
    2.6 本章小结第54-55页
第三章 基于协同机制的演化策略求解大规模优化问题第55-81页
    3.1 引言第55-57页
    3.2 相关工作第57-61页
        3.2.1 基因相互影响第57页
        3.2.2 协同演化第57-59页
        3.2.3 经典分解策略第59-60页
        3.2.4 协同演化中的自动分组第60-61页
    3.3 基于并查集的反向差分分组第61-68页
        3.3.1 变量依赖性判定的理论基础第61-63页
        3.3.2 基于反向的变量依赖性判定第63-66页
        3.3.3 基于并查集的差分分组算法(DDG)的实现第66-68页
    3.4 协同演化策略算法与实验配置第68-70页
        3.4.1 基于DDG分解的协同演化策略第68-70页
        3.4.2 实验设置第70页
    3.5 实验结果及分析第70-79页
        3.5.1 DDG的分组性能第71-75页
        3.5.2 与CCVIL的比较第75-76页
        3.5.3 敏感性分析第76页
        3.5.4 CCES算法性能分析第76-79页
    3.6 本章小结第79-81页
第四章 水下地形演变预测模型及演化策略求解第81-108页
    4.1 引言第81-83页
    4.2 河床演变预测的研究背景第83页
    4.3 基于细胞自动机的地形演变预测模型第83-87页
        4.3.1 自回归模型(Auto-regressive Model)第84-85页
        4.3.2 元胞自动机模型(Cellular Automata Model)第85-86页
        4.3.3 求解地形演变的时序细胞自动机模型第86-87页
    4.4 基于演化策略模型求解流程第87-92页
        4.4.1 河床演变预测模型的求解流程第87-88页
        4.4.2 空间数据插值第88-90页
        4.4.3 空间数据网格化第90页
        4.4.4 参数优化演化策略第90-92页
    4.5 实验结果及分析第92-107页
        4.5.1 数据预处理第92-93页
        4.5.2 风水和枯水对预测的影响分析第93-95页
        4.5.3 模型参数对预测结果影响分析第95-97页
        4.5.4 河段“下巴1-1”预测数据实验结果第97-101页
        4.5.5 河段“中周2-1”预测数据实验结果第101-107页
    4.6 本章小结第107-108页
第五章 总结与展望第108-111页
    5.1 全文总结第108-109页
    5.2 展望与设想第109-111页
参考文献第111-116页
攻读博士学位期间的主要研究成果第116-117页
致谢第117页

论文共117页,点击 下载论文
上一篇:CAD模型在线集成与离线集成关键技术研究
下一篇:用户感知价值及其对社交媒介品牌资产的影响研究