蝙蝠算法的改进及收敛性分析
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 蝙蝠算法研究现状 | 第9-12页 |
| 1.2.1 蝙蝠算法的理论分析 | 第10页 |
| 1.2.2 蝙蝠算法的改进 | 第10页 |
| 1.2.3 蝙蝠算法的应用 | 第10-12页 |
| 1.3 蝙蝠算法面临困难 | 第12页 |
| 1.4 本文结构与主要工作 | 第12-15页 |
| 2 蝙蝠算法 | 第15-19页 |
| 2.1 基本蝙蝠算法 | 第15-17页 |
| 2.1.1 算法仿生原理 | 第15-16页 |
| 2.1.2 算法数学模型与基本流程 | 第16页 |
| 2.1.3 算法局限性 | 第16-17页 |
| 2.2 蝙蝠算法与其它进化算法 | 第17页 |
| 2.3 蝙蝠算法改进策略 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 蝙蝠算法收敛性分析 | 第19-27页 |
| 3.1 PM空间及其研究进展 | 第19页 |
| 3.2 预备知识 | 第19-20页 |
| 3.3 PM空间中的稳定点定理 | 第20-22页 |
| 3.4 蝙蝠算法的全局收敛性 | 第22-26页 |
| 3.4.1 构造蝙蝠算法的PM空间 | 第22-24页 |
| 3.4.2 蝙蝠算法的不动点定理 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 基于精英反向学习的混沌蝙蝠算法 | 第27-35页 |
| 4.1 精英反向学习 | 第27-28页 |
| 4.2 混沌映射 | 第28页 |
| 4.3 基于精英反向学习的混沌蝙蝠算法 | 第28-29页 |
| 4.4 仿真测试与统计分析 | 第29-32页 |
| 4.4.1 测试函数与实验参数设置 | 第29-30页 |
| 4.4.2 测试结果与分析 | 第30-32页 |
| 4.5 本章小结 | 第32-35页 |
| 5 基于权重策略的蝙蝠算法 | 第35-41页 |
| 5.1 权重策略 | 第35-36页 |
| 5.2 基于自适应频率的蝙蝠算法 | 第36页 |
| 5.3 基于权重策略的蝙蝠算法 | 第36页 |
| 5.4 仿真测试与统计分析 | 第36-40页 |
| 5.4.1 参数设置与测试函数 | 第37页 |
| 5.4.2 测试结果与分析 | 第37-40页 |
| 5.5 本章小结 | 第40-41页 |
| 6 结束语 | 第41-43页 |
| 6.1 主要工作 | 第41页 |
| 6.2 展望 | 第41-43页 |
| 参考文献 | 第43-49页 |
| 作者攻读学位期间发表学术论文清单 | 第49-51页 |
| 致谢 | 第51页 |
