基于Baldwin效应粒子群优化算法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·本文工作 | 第11-12页 |
| ·内容安排 | 第12-14页 |
| 第二章 粒子群算法及其发展地研究 | 第14-28页 |
| ·优化问题及其求解策略 | 第14-18页 |
| ·优化问题 | 第14-15页 |
| ·优化问题及其分类 | 第15-16页 |
| ·局部优化算法 | 第16页 |
| ·全局优化算法 | 第16-17页 |
| ·智能优化算法 | 第17-18页 |
| ·经典粒子群优化算法 | 第18-20页 |
| ·基于粒子对称分布的粒子群优化算法 | 第20-24页 |
| ·多样性函数的定义 | 第20-21页 |
| ·多样性调节方法 | 第21-22页 |
| ·基于粒子对称分布 PSO 算法设计 | 第22-23页 |
| ·存在问题 | 第23-24页 |
| ·惯性权值递减策略的粒子群优化算法 | 第24-25页 |
| ·线性权值策略 | 第24页 |
| ·非线性权值递减策略 | 第24-25页 |
| ·存在问题 | 第25页 |
| ·基于模拟退火思想的粒子群算法 | 第25-27页 |
| ·算法步骤 | 第25-27页 |
| ·问题分析 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 粒子群算法的改进 | 第28-38页 |
| ·初始种群构造 | 第28-31页 |
| ·佳点集介绍 | 第28-29页 |
| ·粒子群算法初始种群的构建 | 第29-31页 |
| ·惯性权值变化策略改进 | 第31-32页 |
| ·惯性权值变化策略分析 | 第31-32页 |
| ·惯性权值变化策略改进 | 第32页 |
| ·Baldwin 效应的应用 | 第32-35页 |
| ·Baldwiw 效应 | 第32-33页 |
| ·Baldwin 效应在粒子群优化算法中的应用 | 第33-35页 |
| ·BEPSO 算法描述 | 第35页 |
| ·本章小结 | 第35-38页 |
| 第四章 BEPSO 用于经典测试函数中的实验 | 第38-50页 |
| ·几个经典的测试函数 | 第38-41页 |
| ·强化学习中参数的确定 | 第41-42页 |
| ·收敛速度的优化 | 第42-44页 |
| ·收敛精度的对比 | 第44-48页 |
| ·应用 Sphere 函数的测试 | 第44-45页 |
| ·应用 Rosenbrock 函数的测试 | 第45-46页 |
| ·应用 Ackley 函数的测试 | 第46页 |
| ·应用 Griewank 函数的测试 | 第46-47页 |
| ·应用 Rastrigin 函数的测试 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 结束语 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 研究成果 | 第58-59页 |
