摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
1 绪论 | 第11-19页 |
·引言 | 第11-13页 |
·国内外研究现状 | 第13-14页 |
·论文主要研究内容及创新点 | 第14-16页 |
·本文的主要研究内容 | 第14-15页 |
·本文的创新点 | 第15-16页 |
·论文组织结构 | 第16-19页 |
2 优化问题和人工免疫系统基础 | 第19-43页 |
·引言 | 第19页 |
·优化问题简介 | 第19-28页 |
·优化问题的基本要素 | 第19-20页 |
·优化问题分类 | 第20页 |
·全局最优与局部最优 | 第20-22页 |
·基准测试函数 | 第22-25页 |
·优化问题求解方法 | 第25-27页 |
·算法性能测试评价标准 | 第27-28页 |
·生物免疫系统概述 | 第28-36页 |
·免疫系统的构成 | 第28-31页 |
·多层免疫系统 | 第31-32页 |
·免疫机制和功能 | 第32-34页 |
·免疫学说 | 第34-36页 |
·人工免疫系统 | 第36-41页 |
·免疫克隆选择算法 | 第37页 |
·人工免疫网络 | 第37-38页 |
·阴性选择算法 | 第38-39页 |
·人工免疫系统与其他方法的比较 | 第39-41页 |
·本章小结 | 第41-43页 |
3 基于信息传递的人工免疫优化算法 IAIS | 第43-61页 |
·引言 | 第43页 |
·从免疫反应到约束优化的类比推理 | 第43-46页 |
·基于信息传递免疫隐喻机制的 IAIS 算法 | 第46-52页 |
·可行解与不可行解 | 第46-47页 |
·克隆选择算子 | 第47-48页 |
·信息传递策略 | 第48-50页 |
·基于信息传递的人工免疫算法(IAIS) | 第50-52页 |
·实验结果和分析 | 第52-59页 |
·实验环境配置 | 第52-54页 |
·实验结果和比较 | 第54-59页 |
·实验小结 | 第59页 |
·本章小结 | 第59-61页 |
4 MIAIS 算法解决约束优化问题 | 第61-83页 |
·引言 | 第61页 |
·人工免疫优化算法求解约束优化问题 | 第61-64页 |
·遗传算法 GA 和 AIS 的混合算法 | 第62页 |
·AIS 与其他机制混合的算法 | 第62-63页 |
·基于 AIS 的约束处理算法 | 第63-64页 |
·改进的 IAIS 算法 MIAIS | 第64-68页 |
·相关算子引入 | 第64-67页 |
·改进的 IAIS 算法 MIAIS | 第67-68页 |
·实验 | 第68-81页 |
·实验环境配置 | 第68-70页 |
·参数设定 | 第70页 |
·在 CEC2006 的基准测试集上的实验 | 第70-75页 |
·在 CEC2010 测试函数上的实验 | 第75-80页 |
·计算复杂度分析 | 第80-81页 |
·本章小结 | 第81-83页 |
5 基于类梯度、聚类和记忆机制的人工免疫算法 GCMAIS | 第83-109页 |
·引言 | 第83页 |
·动态环境下的优化问题 | 第83-84页 |
·从生物免疫反应到动态优化 | 第84-86页 |
·自然启发式算法求解动态环境下的优化问题 | 第86-90页 |
·搭建模块 | 第86-88页 |
·受免疫机制启发的算法处理动态优化问题 | 第88-90页 |
·基于类梯度、聚类和记忆机制的人工免疫算法(GCMAIS) | 第90-98页 |
·基于类梯度向量的搜索策略 | 第91-93页 |
·基于聚类的方法 | 第93-95页 |
·免疫记忆 | 第95-97页 |
·算法的整体框架 | 第97-98页 |
·实验 | 第98-107页 |
·实验环境配置 | 第98-100页 |
·实验参数的影响与机制有效性分析 | 第100-105页 |
·实验比较 | 第105-107页 |
·本章小结 | 第107-109页 |
6 总结 | 第109-113页 |
·主要结论 | 第109页 |
·后续研究工作的展望 | 第109-113页 |
致谢 | 第113-115页 |
参考文献 | 第115-127页 |
附录 | 第127-128页 |
A. 作者在攻读学位期间发表的论文目录 | 第127-128页 |
B. 作者在攻读学位期间参与的科研项目 | 第128页 |
C. 作者在攻读学位期间的学术交流情况 | 第128页 |