| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-31页 |
| ·研究背景及意义 | 第15-17页 |
| ·国内外研究发展现状 | 第17-28页 |
| ·遗传算法的研究和发展现状 | 第17-23页 |
| ·3MGCA 的提出 | 第23-25页 |
| ·三个具体应用问题的研究现状 | 第25-28页 |
| ·论文的研究内容和章节安排 | 第28-31页 |
| 第二章 GA 的应用技术基础及常用的改进算法 | 第31-47页 |
| ·引言 | 第31页 |
| ·遗传算法应用技术基础 | 第31-41页 |
| ·选用遗传算法的原因 | 第31-33页 |
| ·应用遗传算法的相关知识 | 第33-39页 |
| ·遗传算法的应用性能评价 | 第39-41页 |
| ·改进遗传算法 | 第41-46页 |
| ·小生境技术遗传算法 | 第41-43页 |
| ·混合遗传算法 | 第43-45页 |
| ·并行遗传算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 多变异拟子-基因共同进化算法及其理论分析 | 第47-69页 |
| ·引言 | 第47页 |
| ·拟子进化理论和MA 算法 | 第47-51页 |
| ·拟子进化理论 | 第47-49页 |
| ·Memetic Algorithms | 第49-51页 |
| ·多变异拟子-基因共同进化算法的遗传策略 | 第51-53页 |
| ·一种满足3MGCA 策略的算法设计举例 | 第53-57页 |
| ·CEOP 问题中领域先验知识的策略引入 | 第53页 |
| ·拟子分类与文化进化 | 第53-56页 |
| ·多变异拟子-基因共同进化算法的整体结构 | 第56-57页 |
| ·多变异拟子-基因共同进化算法的理论分析 | 第57-64页 |
| ·3MGCA 的收敛性分析 | 第57-60页 |
| ·3MGCA 的群体多样性分析 | 第60-61页 |
| ·3MGCA 的算法时间复杂度分析 | 第61-63页 |
| ·3MGCA 同目前并行GA 的区分 | 第63-64页 |
| ·3MGCA 在函数优化上的仿真及性能分析 | 第64-67页 |
| ·选择测试函数 | 第64页 |
| ·仿真结果和性能评价 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第四章 基于3MGCA 的MAS 任务分配优化 | 第69-92页 |
| ·引言 | 第69页 |
| ·多AGENT 系统的任务分解问题 | 第69-81页 |
| ·Agent 与MAS 的基本理论 | 第69-72页 |
| ·MAS 的体系结构和协作机制 | 第72-77页 |
| ·MAS 任务分解问题和CN 算法 | 第77-81页 |
| ·基于3MGCA 的任务分解优化算法 | 第81-88页 |
| ·问题数学模型的建立 | 第81-88页 |
| ·仿真实验及结果分析 | 第88-91页 |
| ·本章小结 | 第91-92页 |
| 第五章 基于3MGCA 的有耗半空间加载天线优化设计 | 第92-110页 |
| ·引言 | 第92页 |
| ·加载天线优化设计问题的理论基础 | 第92-101页 |
| ·加载天线的定义和特点 | 第92-96页 |
| ·加载天线的电流分布和效率 | 第96-98页 |
| ·加载天线的积分方程 | 第98-101页 |
| ·近地加载天线数学模型的建立和3MGCA 的设计 | 第101-106页 |
| ·近地加载天线的数学分析方程 | 第101-103页 |
| ·基于3MGCA 的近地加载天线优化设计算法 | 第103-106页 |
| ·仿真和结果分析 | 第106-109页 |
| ·本章小结 | 第109-110页 |
| 第六章 基于实数3MGCA 的图像模板相关匹配 | 第110-128页 |
| ·引言 | 第110页 |
| ·图像匹配问题的相关理论 | 第110-121页 |
| ·图像匹配问题的关键要素 | 第110-115页 |
| ·图像匹配的算法分类 | 第115-121页 |
| ·模板匹配的数学模型和实数3MGCA 设计 | 第121-125页 |
| ·模板匹配的匹配特征和相似度测度 | 第121-122页 |
| ·实数编码3MGCA 匹配算法设计 | 第122-125页 |
| ·仿真和实验结果 | 第125-127页 |
| ·本章小结 | 第127-128页 |
| 结论 | 第128-131页 |
| 参考文献 | 第131-147页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文 | 第147-149页 |
| 致谢 | 第149页 |