| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 全局最优化问题的数学模型 | 第10-11页 |
| 1.3 论文主要工作及章节安排 | 第11-13页 |
| 第2章 人工蜂群算法概述 | 第13-20页 |
| 2.1 引言 | 第13页 |
| 2.2 人工蜂群算法的原理 | 第13-14页 |
| 2.2.1 常见术语 | 第13-14页 |
| 2.2.2 蜂群的采蜜过程 | 第14页 |
| 2.3 人工蜂群算法的流程 | 第14-17页 |
| 2.3.1 初始化阶段 | 第15-16页 |
| 2.3.2 雇佣蜂阶段 | 第16页 |
| 2.3.3 跟随蜂阶段 | 第16页 |
| 2.3.4 侦查蜂阶段 | 第16-17页 |
| 2.4 人工蜂群算法的研究现状 | 第17-19页 |
| 2.4.1 种群初始化方法 | 第17-18页 |
| 2.4.2 新的搜索等式 | 第18-19页 |
| 2.4.3 新的概率选择模型 | 第19页 |
| 2.4.4 其他辅助技术与算法 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 混合人工蜂群算法(HGCABC) | 第20-35页 |
| 3.1 引言 | 第20-21页 |
| 3.2 HGCABC算法 | 第21-24页 |
| 3.2.1 雇佣蜂的新搜索策略 | 第21-22页 |
| 3.2.2 跟随蜂的新资源分配机制和搜索策略 | 第22-23页 |
| 3.2.3 完整的HGCABC算法 | 第23-24页 |
| 3.3 实验分析 | 第24-34页 |
| 3.3.1 测试函数和问题 | 第24页 |
| 3.3.2 评价指标 | 第24页 |
| 3.3.3 组件有效性分析 | 第24-26页 |
| 3.3.4 在22个基准测试函数上的对比实验 | 第26-30页 |
| 3.3.5 在CEC2014测试函数上的对比实验 | 第30-32页 |
| 3.3.6 在6类现实优化问题上的对比实验 | 第32-33页 |
| 3.3.7 参数敏感性分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于多种群的人工蜂群算法(MPABC_RA) | 第35-50页 |
| 4.1 引言 | 第35-36页 |
| 4.2 MPABC_RA算法 | 第36-39页 |
| 4.2.1 雇佣蜂的种群划分方法及其搜索策略 | 第36-37页 |
| 4.2.2 跟随蜂的概率模型和搜索策略 | 第37-38页 |
| 4.2.3 完整的MPABC_RA算法 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-48页 |
| 4.3.1 组件有效性分析 | 第39-40页 |
| 4.3.2 在22个基准测试函数上的对比实验 | 第40-45页 |
| 4.3.3 在CEC2014测试函数上的对比实验 | 第45-46页 |
| 4.3.4 在6类现实优化问题上的对比实验 | 第46-47页 |
| 4.3.5 参数敏感性分析 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的研究成果 | 第57页 |