蚁群算法在模糊建模中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1. 引言 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·模糊建模研究现状 | 第9-11页 |
| ·本文主要内容及安排 | 第11-13页 |
| 2 模糊建模基本原理与分析 | 第13-21页 |
| ·模糊模型的范式和指标 | 第13-14页 |
| ·三种类型的模糊模型 | 第14-15页 |
| ·模糊划分 | 第15-16页 |
| ·模糊模型的结构辨识与参数辨识 | 第16-17页 |
| ·模糊模型的可解释性 | 第17-18页 |
| ·T-S模型辨识 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 3 一种带误差修正的复合模糊模型 | 第21-26页 |
| ·引言 | 第21页 |
| ·模型误差修正的思路 | 第21-22页 |
| ·误差修正模型的建立方法 | 第22-24页 |
| ·方法验证 | 第24页 |
| ·本章小结 | 第24-26页 |
| 4 蚁群算法的基本模型与特点 | 第26-38页 |
| ·蚁群算法概述 | 第26-28页 |
| ·基本蚁群算法的原理 | 第28-29页 |
| ·基本蚁群算法的描述与实现 | 第29-31页 |
| ·基本蚁群算法参数的选择 | 第31-34页 |
| ·信息挥发度的选择 | 第31-32页 |
| ·蚂蚁数量的选择 | 第32-33页 |
| ·启发因子的选择 | 第33-34页 |
| ·总信息量的选择 | 第34页 |
| ·基本蚁群算法的性能评价指标 | 第34-35页 |
| ·基本蚁群算法优缺点与改进技术 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 5 基于蚁群算法的模糊划分 | 第38-47页 |
| ·模糊划分的定义 | 第38-39页 |
| ·蚁群聚类算法 | 第39-44页 |
| ·单蚁群聚类算法的基本思想 | 第39-40页 |
| ·平均相似性 | 第40-41页 |
| ·概率转换函数 | 第41页 |
| ·相似性因子α的自适应调整 | 第41-42页 |
| ·蚂蚁移动速度的选择 | 第42页 |
| ·单蚁群算法描述 | 第42-43页 |
| ·单蚁群聚类算法的评价指标 | 第43-44页 |
| ·概率阈值对算法的影响 | 第44页 |
| ·基于单蚁群聚类算法的模糊划分 | 第44-46页 |
| ·数据预处理 | 第44-45页 |
| ·输入输出空间模糊划分 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 6 基于连续空间蚁群算法的参数辨识 | 第47-62页 |
| ·T-S模型的参数辨识 | 第47-50页 |
| ·连续域蚁群算法概述 | 第50-52页 |
| ·用于连续域函数优化的蚁群算法 | 第52-59页 |
| ·一元连续域函数优化 | 第52-54页 |
| ·多元连续域函数的优化 | 第54-55页 |
| ·算法验证 | 第55-56页 |
| ·带约束条件的连续域函数优化 | 第56-58页 |
| ·算法中应注意的问题 | 第58-59页 |
| ·基于改进连续蚁群算法的参数辨识 | 第59-60页 |
| ·辨识算法仿真研究 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 7 结论 | 第62-64页 |
| 攻读学位期间发表论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
