摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-24页 |
1.1 课题的研究意义和目的 | 第12-13页 |
1.2 课题的国内外研究现状 | 第13-21页 |
1.2.1 差分进化算法国内外研究现状 | 第13-18页 |
1.2.2 云理论国内外研究现状 | 第18-21页 |
1.3 课题主要研究内容及章节安排 | 第21-24页 |
第2章 差分进化算法原理 | 第24-37页 |
2.1 引言 | 第24页 |
2.2 DE 进化算法基本原理 | 第24-31页 |
2.3 DE 进化算法优化策略分析 | 第31-34页 |
2.3.1 变异策略分析 | 第31-33页 |
2.3.2 交叉策略分析 | 第33-34页 |
2.4 DE 进化算法的参数分析 | 第34-36页 |
2.5 DE 进化算法的优点 | 第36页 |
2.6 本章小结 | 第36-37页 |
第3章 差分进化算法交叉概率因子及变异策略的改进 | 第37-59页 |
3.1 引言 | 第37-38页 |
3.2 交叉概率因子自适应调整策略 | 第38-49页 |
3.2.1 参数 CR 性能实验及分析 | 第39-44页 |
3.2.1.1 CR 取值对于标准 DE 算法收敛速度的影响 | 第39-40页 |
3.2.1.2 CR 取值对于标准 DE 算法种群多样性的影响 | 第40-43页 |
3.2.1.3 CR 取值自适应调整对于标准 DE 算法收敛速度的影响 | 第43-44页 |
3.2.2 参数 CR 自适应调整策略研究 | 第44-49页 |
3.3 新 DE 变异策略 | 第49-55页 |
3.3.1 DE 变异策略研究 | 第49-50页 |
3.3.2 新变异策略性能实验及分析 | 第50-55页 |
3.4 实验测试及结果分析 | 第55-58页 |
3.5 本章小结 | 第58-59页 |
第4章 基于云理论的差分进化算法改进 | 第59-71页 |
4.1 引言 | 第59页 |
4.2 云模型概述 | 第59-61页 |
4.2.1 云和云滴 | 第59-60页 |
4.2.2 云的数字特征 | 第60页 |
4.2.3 云发生器 | 第60-61页 |
4.2.4 云的性质 | 第61页 |
4.3 基于云理论的差分进化算法改进 | 第61-65页 |
4.3.1 云模型自适应调整交叉概率 CR | 第61-62页 |
4.3.2 基于级联型云发生器的个体单维扰动 | 第62-64页 |
4.3.3 基于云模型的差分进化算法流程 | 第64-65页 |
4.4 实验测试及结果分析 | 第65-70页 |
4.4.1 CDE 算法中自适应策略及单维扰动性能实验及比较 | 第66-68页 |
4.4.2 CDE 算法与全局优化算法的性能比较 | 第68-70页 |
4.5 本章小结 | 第70-71页 |
第5章 基于云差分进化算法的约束多目标优化 | 第71-88页 |
5.1 引言 | 第71-72页 |
5.2 约束多目标优化问题定义 | 第72-75页 |
5.3 约束多目标进化算法现有研究 | 第75-77页 |
5.4 基于云差分进化算法的约束多目标算法 | 第77-81页 |
5.4.1 约束多目标优化的变异策略改进 | 第77-78页 |
5.4.2 云差分进化算法的 CR 自适应调整 | 第78-79页 |
5.4.3 约束处理技术的改进 | 第79-80页 |
5.4.4 基于云差分算法的约束多目标算法实现流程 | 第80-81页 |
5.5 实验测试及结果分析 | 第81-87页 |
5.5.1 测试问题和评价标准 | 第81-82页 |
5.5.2 本文算法与其他约束多目标算法的性能比较 | 第82-87页 |
5.6 本章小结 | 第87-88页 |
第6章 基于云差分的城市干线交通信号优化控制 | 第88-98页 |
6.1 引言 | 第88-90页 |
6.2 城市干线交通信号协调控制模型 | 第90-93页 |
6.2.1 干线交通信号协调控制基本描述 | 第90-91页 |
6.2.2 城市干线交通信号协调优化控制模型的建立 | 第91-93页 |
6.3 基于 CDE 算法的干线信号协调优化控制 | 第93-95页 |
6.4 实验测试及结果分析 | 第95-97页 |
6.5 本章小结 | 第97-98页 |
结论 | 第98-101页 |
参考文献 | 第101-110页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第110页 |
攻读博士学位期间参与的科研项目 | 第110-111页 |
致谢 | 第111-113页 |
个人简历 | 第113页 |