| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与现状 | 第9-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 论文结构 | 第13-16页 |
| 第二章 基本概念及经典算法 | 第16-27页 |
| 2.1 基本概念 | 第16-17页 |
| 2.1.1 群智能(Swarm Intelligence)算法 | 第16页 |
| 2.1.2 进化算法 | 第16-17页 |
| 2.1.3 群智能算法与进化算法的异同点 | 第17页 |
| 2.2 经典算法 | 第17-27页 |
| 2.2.1 DE算法 | 第17-20页 |
| 2.2.2 PSO算法 | 第20-21页 |
| 2.2.3 SSO算法 | 第21-22页 |
| 2.2.4 蜘蛛群集优化算法 | 第22-27页 |
| 第三章 基于简化群优化算法和协方差矩阵学习的差分进化算法 | 第27-46页 |
| 3.1 算法思想的由来 | 第27-30页 |
| 3.2 基于SSO算法的变异操作 | 第30页 |
| 3.3 协方差矩阵学习策略 | 第30-32页 |
| 3.3.1 计算协方差矩阵 | 第31页 |
| 3.3.2 计算特征向量矩阵 | 第31-32页 |
| 3.4 SCDE算法流程图及算法框架 | 第32-34页 |
| 3.4.1 SCDE算法流程图 | 第32-33页 |
| 3.4.2 算法框架 | 第33-34页 |
| 3.5 参数设置及实验结果 | 第34-45页 |
| 3.5.1 SCDE算法在CEC2013测试集上的测试 | 第35-42页 |
| 3.5.2 SCDE算法应用解决TSP问题 | 第42-45页 |
| 3.6 结束语 | 第45-46页 |
| 第四章 基于差分进化变异策略的群集蜘蛛优化算法 | 第46-62页 |
| 4.1 思想来源 | 第46-49页 |
| 4.1.1 权重因子 | 第46-48页 |
| 4.1.2 变异策略 | 第48-49页 |
| 4.2 wDESSO算法主要内容 | 第49-51页 |
| 4.2.1 wDESSO算法流程图 | 第50页 |
| 4.2.2 wDESSO算法的主要步骤 | 第50-51页 |
| 4.3 实验参数设置与实验结果 | 第51-60页 |
| 4.3.1 实验一:wDESSO算法与群集蜘蛛优化(SSO)算法、人工蜂群算法(ABC)和粒子群(PSO)算法对比 | 第51-53页 |
| 4.3.2 实验一结果比较 | 第53-57页 |
| 4.3.3 基于实验一结果的威尔科克森符号秩检验(Wilcoxon's Sign Rank Test) | 第57-58页 |
| 4.3.4 实验二:wDESSO算法与一些改进的算法比较 | 第58-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文工作总结 | 第62-63页 |
| 5.2 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文和参加的科研项目 | 第70页 |
