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

和声搜索算法的改进及应用研究

摘要第5-7页
ABSTRACT第7-9页
第1章 绪论第13-27页
    1.1 研究背景及意义第13-16页
    1.2 和声搜索算法的发展现状第16-24页
        1.2.1 和声搜索算法的基本原理第16-17页
        1.2.2 和声搜索算法的优缺点第17-18页
        1.2.3 和声算法的改进研究第18-21页
        1.2.4 和声算法的应用研究第21-24页
    1.3 本文主要工作第24-27页
第2章 和声搜索算法及其改进第27-51页
    2.1 基本和声搜索算法第27-29页
    2.2 基于反向学习的和声搜索算法第29-37页
        2.2.1 反向学习策略第29-30页
        2.2.2 参数调整策略第30-31页
        2.2.3 算法流程第31页
        2.2.4 实验结果与分析第31-37页
    2.3 多子群混合和声搜索算法第37-49页
        2.3.1 多子群划分第37-38页
        2.3.2 差分调整第38-39页
        2.3.3 通信机制第39-40页
        2.3.4 算法步骤第40-41页
        2.3.5 实验结果与分析第41-49页
    2.4 本章小结第49-51页
第3章 改进和声搜索算法在电力系统经济负荷分配中的应用第51-61页
    3.1 电力系统经济负荷分配研究现状第51-52页
    3.2 电力系统经济负荷分配数学模型第52-54页
    3.3 改进和声搜索算法第54-56页
        3.3.1 自适应音调微调幅度第54页
        3.3.2 自适应音调微调概率第54-55页
        3.3.3 约束处理第55-56页
    3.4 实验结果与分析第56-60页
    3.5 本章小结第60-61页
第4章 全局竞争和声搜索算法第61-77页
    4.1 和声算法及其改进算法第61-63页
        4.1.1 和声算法第61-62页
        4.1.2 几种经典的改进和声搜索算法第62-63页
    4.2 全局竞争和声搜索算法第63-67页
        4.2.1 和声算法分析第63-64页
        4.2.2 全局平均和声和随机局部平均和声第64-65页
        4.2.3 自适应全局调整第65页
        4.2.4 局域学习第65-66页
        4.2.5 竞争选择第66页
        4.2.6 算法流程第66-67页
    4.3 实验结果与分析第67-75页
        4.3.1 实验准备第67-69页
        4.3.2 参数HMS,HMCR和PAR对GCHS算法优化性能的影响第69-72页
        4.3.3 不同和声算法的比较第72-75页
    4.4 本章小结第75-77页
第5章 离散全局和声算法优化0-1背包问题第77-97页
    5.1 0-1背包问题的研究现状第77-78页
    5.2 背包问题的数学模型第78页
    5.3 经典的离散和声搜索算法第78-80页
    5.4 离散全局和声搜索算法第80-84页
        5.4.1 多选择调节策略第80-81页
        5.4.2 精英培养机制第81-82页
        5.4.3 随机修复策略第82-83页
        5.4.4 随机置换异或策略第83页
        5.4.5 DGHS的具体流程第83-84页
    5.5 实验结果与分析第84-96页
        5.5.1 小维数0-1背包问题求解第85-91页
        5.5.2 大维数0-1背包实例求解第91-96页
    5.6 本章小结第96-97页
第6章 混合多策略全局和声搜索算法在二次背包问题中的应用第97-119页
    6.1 二次背包问题的研究现状第97-98页
    6.2 二次背包问题的数学模型第98页
    6.3 和声搜索算法第98-100页
    6.4 混合多策略全局和声搜索算法第100-108页
        6.4.1 均值引导策略第100-102页
        6.4.2 参数自适应调整第102-104页
        6.4.3 教学优化调整策略第104-106页
        6.4.4 松弛修复策略第106-108页
    6.5 实验结果与分析第108-117页
        6.5.1 实验准备第108-109页
        6.5.2 同类和声搜索算法的比较第109-112页
        6.5.3 经典智能算法的比较第112页
        6.5.4 新近优化算法的比较第112-117页
    6.6 小结第117-119页
第7章 总结与展望第119-121页
    7.1 总结第119-120页
    7.2 展望第120-121页
参考文献第121-139页
致谢第139-141页
攻读学位期间发表的论著及获奖情况第141页

论文共141页,点击 下载论文
上一篇:我国不动产役权制度的建构研究
下一篇:基于云计算的大数据学习性能优化技术研究