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

基于文化框架的群搜索和粒子群的混合算法及其应用

摘要第1-6页
Abstract第6-9页
第1章 绪论第9-19页
   ·引言第9-10页
   ·群智能的概念第10-11页
   ·群智能的思想起源第11-12页
   ·群智能算法的发展第12-14页
   ·群智能算法的特点及特征第14-16页
   ·本文的研究内容及结构第16-19页
第2章 群智能优化算法的研究综述第19-35页
   ·粒子群优化算法(PSO)第19-22页
     ·粒子群优化算法简介第19-20页
     ·粒子群优化算法的评价及应用现状第20-22页
   ·群搜索优化算法(GSO)第22-27页
     ·群搜索优化算法简介第22-24页
     ·群搜索优化算法的评价及应用现状第24-27页
   ·蚁群优化算法(ACO)第27-29页
     ·蚁群优化算法简介第27-28页
     ·蚁群优化算法的评价及应用现状第28-29页
   ·混合蛙跳优化算法(SFLA)第29-32页
     ·混合蛙跳优化算法简介第29-30页
     ·混合蛙跳优化算法的评价及应用现状第30-32页
   ·蜂群优化算法(ABC)第32-34页
     ·蜂群优化算法简介第32-33页
     ·蜂群优化算法的评价及应用现状第33-34页
   ·本章小结第34-35页
第3章 基于文化框架的群搜索和粒子群的混合算法第35-63页
   ·文化算法第35-38页
   ·基于文化框架的群搜索和粒子群的混合算法原理及实现第38-40页
   ·CBGSPSO算法的结构及流程步骤第40-43页
   ·测试函数简介第43-47页
   ·CBGSPSO算法参数选择及讨论第47-52页
     ·参数α与参数ε的选择第48-50页
     ·参数BaseNum与参数DevNum的选择第50-52页
   ·测试函数的仿真结果及讨论第52-62页
     ·实验设置第52-53页
     ·实验结果及讨论第53-62页
   ·本章小结第62-63页
第4章 基于文化框架的群搜索和粒子群的混合算法的应用第63-70页
   ·CBGSPSO算法在丁烷化过程中的应用第63-67页
     ·丁烯烷化过程介绍第63-65页
     ·仿真结果及讨论第65-67页
   ·CBGSPSO算法在换热网络优化问题中的应用第67-69页
     ·换热网络优化介绍第67-68页
     ·仿真结果及讨论第68-69页
   ·本章小结第69-70页
第5章 总结与展望第70-72页
   ·工作总结第70页
   ·工作展望第70-72页
参考文献第72-79页
致谢第79页

论文共79页,点击 下载论文
上一篇:地方工科院校实施创业教育的制约因素及其对策研究--以Q学院为例
下一篇:ABB公司定转子生产外包决策研究