基于随机微粒群算法的改进算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·基本微粒群算法 | 第8-9页 |
| ·改进的微粒算法 | 第9-12页 |
| ·增加惯性权重和收敛因子 | 第9页 |
| ·与进化计算技巧有机结合 | 第9-10页 |
| ·基于领域算子及拓扑结构的改进 | 第10页 |
| ·构造新的微粒组织或群结构 | 第10-11页 |
| ·改进或使用新的位置/速度更新公式 | 第11-12页 |
| ·离散二进制 PSO 算法 | 第12页 |
| ·其他优化方法 | 第12页 |
| ·PSO 的应用 | 第12-13页 |
| ·神经网络训练 | 第12页 |
| ·函数优化 | 第12-13页 |
| ·其他领域的应用 | 第13页 |
| ·微粒群算法发展趋势 | 第13页 |
| ·算法的理论研究 | 第13页 |
| ·算法的改进研究 | 第13页 |
| ·应用领域的拓展 | 第13页 |
| ·本文将做的工作 | 第13-16页 |
| 第二章 一种基于协同进化的随机微粒群算法 | 第16-22页 |
| ·引言 | 第16-17页 |
| ·算法的建立 | 第17-19页 |
| ·多种群协同进化 | 第17页 |
| ·随机微粒群算法 | 第17页 |
| ·协同随机微粒群算法 | 第17-19页 |
| ·算法的有效性和收敛性分析 | 第19-22页 |
| ·测试函数 | 第19页 |
| ·实验方法 | 第19页 |
| ·实验结果 | 第19-20页 |
| ·实验数据分析 | 第20-21页 |
| ·收敛性分析 | 第21页 |
| ·结论 | 第21-22页 |
| 第三章 基于梯度的随机微粒群算法 | 第22-28页 |
| ·引言 | 第22页 |
| ·算法 | 第22-28页 |
| ·共轭梯度算法 | 第22-23页 |
| ·最速下降算法 | 第23页 |
| ·基于共轭梯度算法的随机微粒群算法 | 第23-24页 |
| ·基于最速下降的随机微粒群算法 | 第24页 |
| ·数值试验 | 第24-28页 |
| ·实验方法 | 第24页 |
| ·实验结果 | 第24-25页 |
| ·实验数据分析 | 第25页 |
| ·收敛性分析 | 第25页 |
| ·结论 | 第25-28页 |
| 第四章 一种协同进化的单纯形随机微粒群算法 | 第28-34页 |
| ·引言 | 第28页 |
| ·算法 | 第28-30页 |
| ·单纯形法(SM) | 第28-29页 |
| ·协同进化的单纯形随机微粒群算法 | 第29-30页 |
| ·数值试验 | 第30-34页 |
| ·测试函数 | 第30页 |
| ·实验方法 | 第30页 |
| ·实验结果 | 第30-32页 |
| ·收敛性分析 | 第32页 |
| ·结论 | 第32-34页 |
| 总结与展望 | 第34-36页 |
| 参考文献 | 第36-42页 |
| 致谢 | 第42-44页 |
| 硕士期间发表文章目录 | 第44-45页 |
