| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第1章 绪论 | 第13-25页 |
| ·生物启发计算 | 第13-21页 |
| ·遗传算法 | 第15-18页 |
| ·粒子群算法 | 第18-19页 |
| ·人工免疫算法 | 第19-21页 |
| ·本文的主要内容 | 第21-25页 |
| 第2章 基于协作协进化的Messy遗传算法 | 第25-49页 |
| ·前言 | 第25页 |
| ·基于Messy遗传算法的多目标优化 | 第25-36页 |
| ·问题描述 | 第26页 |
| ·Messy遗传算法 | 第26-29页 |
| ·优化操作 | 第29-32页 |
| ·自适应进化 | 第32页 |
| ·仿真结果 | 第32-36页 |
| ·结论 | 第36页 |
| ·基于协作协进化Messy遗传算法的多目标优化 | 第36-46页 |
| ·协作协进化模型 | 第36-37页 |
| ·基于协作协进化Messy遗传算法的多机器人路径规划 | 第37-42页 |
| ·仿真结果和动态显示 | 第42-46页 |
| ·本章小结 | 第46-49页 |
| 第3章 基于惩罚机制的交叉粒子群算法 | 第49-85页 |
| ·前言 | 第49-50页 |
| ·交叉操作 | 第50-52页 |
| ·种群多样性模型 | 第50-51页 |
| ·交叉概率 | 第51-52页 |
| ·自适应交叉概率模型 | 第52-57页 |
| ·交叉粒子群算法 | 第52-53页 |
| ·交叉概率 | 第53-55页 |
| ·自适应交叉概率 | 第55-57页 |
| ·基于交叉粒子群的多峰函数优化 | 第57-60页 |
| ·粒子群算法的参数 | 第60-71页 |
| ·参数C_1和C_2 | 第61-66页 |
| ·参数p | 第66-68页 |
| ·参数q | 第68-71页 |
| ·基于惩罚机制的交叉粒子群算法 | 第71-77页 |
| ·扰动操作 | 第71-72页 |
| ·惩罚函数策略 | 第72-77页 |
| ·基于惩罚机制的交叉粒子群算法求解约束优化问题 | 第77-82页 |
| ·参数设置 | 第77页 |
| ·实验分析 | 第77-79页 |
| ·收敛分析 | 第79-81页 |
| ·算法复杂度 | 第81-82页 |
| ·本章小结 | 第82-85页 |
| 第4章 基于多种群遗传算法的抗体生成算法 | 第85-117页 |
| ·前言 | 第85-86页 |
| ·否定选择算法 | 第86-90页 |
| ·在线抗体仿真实验 | 第90-94页 |
| ·参数设置 | 第90-91页 |
| ·仿真结果分析 | 第91-94页 |
| ·匹配阈值的预测计算和自适应 | 第94-102页 |
| ·预测模型 | 第96-97页 |
| ·预测模型应用 | 第97-98页 |
| ·自适应阈值 | 第98-99页 |
| ·仿真分析 | 第99-102页 |
| ·基于多种群遗传算法的抗体生成算法 | 第102-115页 |
| ·多种群遗传算法介绍 | 第106-107页 |
| ·理论分析 | 第107-108页 |
| ·MPTMA主要策略 | 第108-109页 |
| ·MPTMA的拓展 | 第109页 |
| ·基于MPTMA的入侵检测 | 第109-115页 |
| ·本章小结 | 第115-117页 |
| 第5章 基于人工免疫算法的混合入侵检测系统 | 第117-141页 |
| ·前言 | 第117-118页 |
| ·信息预处理 | 第118-125页 |
| ·基于信息预处理的克隆选择算法 | 第125-134页 |
| ·静态克隆选择算法 | 第125-132页 |
| ·动态克隆选择算法 | 第132-134页 |
| ·混合入侵检测系统 | 第134-137页 |
| ·基于人工免疫算法的入侵检测平台 | 第137-140页 |
| ·本章小结 | 第140-141页 |
| 第6章 结束语 | 第141-143页 |
| 参考文献 | 第143-153页 |
| 致谢 | 第153-154页 |
| 攻读学位期间参加的科研项目和成果 | 第154-155页 |