飞蛾纵横交叉混沌捕焰优化算法的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 背景与意义 | 第11-14页 |
| 1.2 论文组织结构 | 第14-15页 |
| 第二章 飞蛾捕焰优化算法 | 第15-24页 |
| 2.1 飞蛾捕焰原理 | 第15-16页 |
| 2.2 算法实现描述 | 第16-21页 |
| 2.2.1 种群初始化 | 第16-17页 |
| 2.2.2 位置更新机制 | 第17-19页 |
| 2.2.3 算法流程 | 第19-21页 |
| 2.3 算法优点与不足 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 飞蛾纵横交叉混沌捕焰优化算法 | 第24-46页 |
| 3.1 纵横混沌交叉机制 | 第24-30页 |
| 3.1.1 横向交叉 | 第25-26页 |
| 3.1.2 纵向交叉 | 第26-28页 |
| 3.1.3 混沌算子 | 第28页 |
| 3.1.4 纵横混沌交叉 | 第28-30页 |
| 3.2 算法描述 | 第30-33页 |
| 3.3 仿真实验 | 第33-45页 |
| 3.3.1 参数设置 | 第33-34页 |
| 3.3.2 参数优化 | 第34-38页 |
| 3.3.3 实验结果分析 | 第38-43页 |
| 3.3.4 算法收敛性分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 改进飞蛾捕焰算法在网络流量预测中的应用 | 第46-57页 |
| 4.1 网络流量信号处理技术 | 第46-49页 |
| 4.1.1 小波包分解 | 第46-47页 |
| 4.1.2 网络流量信号的小波包分解 | 第47-49页 |
| 4.2 BP神经网络 | 第49-51页 |
| 4.3 网络流量预测模型 | 第51-54页 |
| 4.3.1 CCMFO优化BP神经网络 | 第51-53页 |
| 4.3.2 WPD-CCMFO-BP模型结构 | 第53-54页 |
| 4.4 应用拓展 | 第54-55页 |
| 4.4.1 信息熵 | 第54页 |
| 4.4.2 基于信息熵的网络态势感知方法 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 实验仿真与分析 | 第57-66页 |
| 5.1 参数设置 | 第57-60页 |
| 5.1.1 神经网络参数设置 | 第57-58页 |
| 5.1.2 性能评测设置 | 第58页 |
| 5.1.3 参数优化 | 第58-60页 |
| 5.2 实验与对比 | 第60-64页 |
| 5.3 应用拓展分析 | 第64页 |
| 5.4 本章小结 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间所发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
