| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·主要的群体智能算法 | 第8-10页 |
| ·遗传算法 | 第9页 |
| ·蚁群算法 | 第9页 |
| ·粒子群算法 | 第9页 |
| ·人工鱼群算法 | 第9-10页 |
| ·人工蜂群算法 | 第10页 |
| ·混合蛙跳算法 | 第10页 |
| ·萤火虫群算法 | 第10页 |
| ·群体智能算法的特点 | 第10-11页 |
| ·本文的主要研究内容 | 第11页 |
| ·本文的组织结构 | 第11-12页 |
| 第二章 人工蜂群算法的改进及仿真 | 第12-23页 |
| ·引言 | 第12页 |
| ·人工蜂群算法的理论分析 | 第12-13页 |
| ·改进策略研究 | 第13-16页 |
| ·借鉴粒子群算法的思想改进 | 第13-14页 |
| ·引入加速系数 C | 第14页 |
| ·更改学习模式 | 第14-15页 |
| ·改进蜂群算法 MABC 的详细解释 | 第15-16页 |
| ·GBest 引导蜂群算法的仿真实验及结果分析 | 第16-18页 |
| ·加速算法 MABC 的仿真实验及结果分析 | 第18-22页 |
| ·测试函数的选择 | 第19页 |
| ·本章算法与 ABC 对比求解高维函数 | 第19-21页 |
| ·改进策略的加速效果对比 | 第21页 |
| ·加速系数 C 的取值 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 人工蜂群算法的框架简化与算子改进 | 第23-30页 |
| ·引言 | 第23页 |
| ·人工蜂群算法的框架 | 第23页 |
| ·改进的人工蜂群算法框架 | 第23-24页 |
| ·仿真实验 | 第24-29页 |
| ·测试函数的选择 | 第24-25页 |
| ·本章算法框架下各搜索算子对高维函数的优化结果对比 | 第25-27页 |
| ·加速系数 C1 和 C2 的取值 | 第27-28页 |
| ·函数维度对收敛速度的影响 | 第28页 |
| ·群体规模对收敛速度的影响 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 混合蛙跳算法的改进及仿真 | 第30-39页 |
| ·引言 | 第30页 |
| ·混合蛙跳算法的理论分析 | 第30-31页 |
| ·排序分组的思想 | 第30页 |
| ·蛙跳的策略 | 第30-31页 |
| ·进化流程 | 第31页 |
| ·改进策略 | 第31-32页 |
| ·全局探索版的蛙跳算法 GE_SFLA | 第31页 |
| ·局部开发版的蛙跳算法 LE_SFLA | 第31-32页 |
| ·LE_SFLA 的改进版 F_SFLA | 第32页 |
| ·仿真实验及结果分析 | 第32-38页 |
| ·测试函数的选择 | 第32-33页 |
| ·验证 GE_SFLA 的有效性及高维函数测试 | 第33页 |
| ·验证 LE_SFLA 的有效性 | 第33-34页 |
| ·验证 F_SFLA 的有效性及低维函数测试 | 第34-37页 |
| ·验证 F_SFLA 和 LE_SFLA 的小群体性 | 第37-38页 |
| ·参数设置和鲁棒性 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 萤火虫群算法的改进及仿真 | 第39-46页 |
| ·引言 | 第39页 |
| ·萤火虫群算法的理论分析 | 第39-40页 |
| ·荧光素 | 第39页 |
| ·邻域 | 第39页 |
| ·决策域 | 第39-40页 |
| ·步长及位置更新 | 第40页 |
| ·参数设置 | 第40页 |
| ·改进策略研究 | 第40-42页 |
| ·自适应步长 | 第40-41页 |
| ·自学能力 | 第41页 |
| ·其他改动 | 第41页 |
| ·新算法 | 第41-42页 |
| ·实验仿真及结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·总结 | 第46-47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 攻读学位期间公开发表的论文 | 第50-51页 |
| 致谢 | 第51页 |