基于邻域和自适应学习的粒子群算法研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第2章 基本粒子群算法描述及其研究成果 | 第17-27页 |
| ·引言 | 第17页 |
| ·基本粒子群优化算法 | 第17-19页 |
| ·PSO 算法原理 | 第17-18页 |
| ·PSO 算法流程 | 第18-19页 |
| ·带惯性权重的 PSO 算法 | 第19-20页 |
| ·基本粒子群算法的社会行为分析 | 第20-21页 |
| ·PSO 算法的研究成果 | 第21-26页 |
| ·PSO 算法参数改进 | 第21-22页 |
| ·PSO 算法的位置和速度公式改进 | 第22页 |
| ·PSO 算法种群拓扑结构 | 第22-25页 |
| ·PSO 算法的融合改进 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第3章 自适应子空间高斯学习的粒子群优化算法 | 第27-56页 |
| ·引言 | 第27页 |
| ·算法原理 | 第27-32页 |
| ·算法的邻域学习策略和进化模型 | 第27-29页 |
| ·适应值离散度 | 第29-30页 |
| ·子空间学习 | 第30-32页 |
| ·算法流程 | 第32-33页 |
| ·ASPSO 算法分析 | 第33-38页 |
| ·ASPSO 算法稳定性分析 | 第33-35页 |
| ·ASPSO 算法进化模式分析 | 第35-36页 |
| ·ASPSO 算法邻域大小分析 | 第36-38页 |
| ·仿真实验 | 第38-51页 |
| ·测试函数 | 第38-41页 |
| ·参数设置 | 第41页 |
| ·ASPSO 算法 30 维仿真实验 | 第41-48页 |
| ·ASPSO 算法 100 维仿真实验 | 第48-51页 |
| ·ASPSO 算法在无线传感器中的应用 | 第51-55页 |
| ·无线传感器网络覆盖的基本模型 | 第51-52页 |
| ·参数设置 | 第52页 |
| ·仿真结果和分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于高斯扰动的粒子群优化算法 | 第56-65页 |
| ·引言 | 第56页 |
| ·算法原理 | 第56页 |
| ·算法流程 | 第56-57页 |
| ·算法分析 | 第57-60页 |
| ·稳定性分析 | 第57-59页 |
| ·进化模式分析 | 第59-60页 |
| ·仿真实验 | 第60-64页 |
| ·参数设置 | 第60-61页 |
| ·仿真实验结果 | 第61-62页 |
| ·Friendman 检验结果 | 第62页 |
| ·算法收敛性能 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 基于改进反向学习的粒子群优化算法 | 第65-75页 |
| ·引言 | 第65页 |
| ·算法原理 | 第65-67页 |
| ·反向学习策略 | 第65-66页 |
| ·算法更新公式 | 第66-67页 |
| ·算法流程 | 第67-68页 |
| ·算法收敛性分析 | 第68页 |
| ·仿真实验 | 第68-74页 |
| ·与其它标准智能算法比较 | 第69-70页 |
| ·与知名精英反向学习算法比较 | 第70-71页 |
| ·与知名改进 PSO 算法比较 | 第71-74页 |
| ·结论 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| ·全文总结 | 第75-76页 |
| ·研究展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间发表论文和参加科研情况 | 第83-84页 |
| 致谢 | 第84-85页 |
