| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 常用智能算法的介绍 | 第9-13页 |
| 1.2.1 差分演化算法 | 第10-12页 |
| 1.2.2 粒子群优化算法 | 第12-13页 |
| 1.3 人工蜂群算法 | 第13-18页 |
| 1.3.1 蜜蜂采蜜的过程 | 第13-14页 |
| 1.3.2 人工蜂群算法的简介 | 第14-15页 |
| 1.3.3 人工蜂群算法的研究现状 | 第15-18页 |
| 1.4 论文主要研究内容和结构安排 | 第18-20页 |
| 第二章 基于全局最优解和随机采样的改进人工蜂群算法 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 改进的人工蜂群算法 | 第20-22页 |
| 2.2.1 高斯分布搜索策略的改进 | 第20-22页 |
| 2.2.2 侦察蜂阶段的改进 | 第22页 |
| 2.3 改进的算法总体框架 | 第22-23页 |
| 2.4 仿真实验 | 第23-32页 |
| 2.4.1 实验设置 | 第23-24页 |
| 2.4.2 实验结果与分析 | 第24-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于差分演化与人工蜂群算法的混合算法 | 第33-46页 |
| 3.1 引言 | 第33页 |
| 3.2 差分演化算法基本流程 | 第33-34页 |
| 3.3 改进的ABC算法 | 第34页 |
| 3.4 混合算法选择策略 | 第34-35页 |
| 3.5 基于DE与改进的ABC算法的混合算法 | 第35-37页 |
| 3.5.1 混合算法的基本框架 | 第35页 |
| 3.5.2 混合算法中参数F和CR的设置 | 第35-37页 |
| 3.6 混合算法的性能分析 | 第37-43页 |
| 3.6.1 测试函数 | 第37-38页 |
| 3.6.2 测试结果分析比较 | 第38-43页 |
| 3.7 算法MGBABC与算法DMABC的比较 | 第43-44页 |
| 3.8 本章小结 | 第44-46页 |
| 第四章 总结和展望 | 第46-48页 |
| 4.1 总结 | 第46-47页 |
| 4.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |