摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-14页 |
1.1 研究背景及意义 | 第8-9页 |
1.1.1 课题研究背景 | 第8页 |
1.1.2 课题研究意义 | 第8-9页 |
1.2 国内外研究动态及发展趋势 | 第9-11页 |
1.2.1 演化算法的研究现状 | 第9-10页 |
1.2.2 智能学习与优化的研究现状 | 第10-11页 |
1.3 亟待解决的问题 | 第11页 |
1.4 本文主要工作及创新 | 第11-12页 |
1.5 本文章节安排 | 第12-14页 |
第二章 演化算法及优化的基本理论 | 第14-18页 |
2.1 遗传规划的基本理论 | 第14页 |
2.2 遗传算子的基本理论 | 第14-16页 |
2.2.1 选择算子 | 第14-15页 |
2.2.2 交叉算子 | 第15页 |
2.2.3 变异算子 | 第15-16页 |
2.3 遗传规划的基本流程 | 第16页 |
2.4 遗传规划的性能特征 | 第16页 |
2.5 多目标优化问题的基本理论 | 第16-17页 |
2.6 本章小结 | 第17-18页 |
第三章 遗传算子对种群多样性影响的研究 | 第18-48页 |
3.1 种群多样性的基本理论 | 第18-20页 |
3.1.1 基因型多样性 | 第19页 |
3.1.2 表现型多样性 | 第19页 |
3.1.3 熵 | 第19页 |
3.1.4 伪同构 | 第19-20页 |
3.1.5 编辑距离 | 第20页 |
3.2 具体实现与流程图 | 第20-22页 |
3.3 仿真实验 | 第22-24页 |
3.3.1 奇偶校验问题 | 第23页 |
3.3.2 符号回归问题 | 第23页 |
3.3.3 斯皮尔曼相关系数 | 第23-24页 |
3.4 结果分析 | 第24-46页 |
3.4.1 奇偶问题中遗传算子的影响分析 | 第24-33页 |
3.4.2 回归问题中遗传算子对种群多样性的影响分析 | 第33-44页 |
3.4.3 相关性的研究 | 第44-46页 |
3.5 本章小结 | 第46-48页 |
第四章 基于种群多样性控制的遗传规划算法 | 第48-58页 |
4.1 种群多样性控制的基本理论 | 第48页 |
4.2 基于编辑距离控制的遗传规划算法 | 第48-50页 |
4.3 仿真实验与结果分析 | 第50-56页 |
4.3.1 仿真实验设计 | 第50-51页 |
4.3.2 符号回归问题的多样性控制 | 第51-56页 |
4.4 本章小结 | 第56-58页 |
第五章 多目标随机漂移粒子群优化算法的研究 | 第58-74页 |
5.1 粒子群优化算法的基本理论 | 第58-59页 |
5.1.1 基本PSO算法 | 第58-59页 |
5.1.2 带惯性权重的PSO算法(PSO-In) | 第59页 |
5.1.3 带收缩因子的PSO算法(PSO-Co) | 第59页 |
5.1.4 量子行为粒子群优化算法(QPSO) | 第59页 |
5.2 随机漂移粒子群优化算法(RDPSO) | 第59-62页 |
5.2.1 RDPSO的基本理论 | 第59-61页 |
5.2.2 RDPSO的算法实现 | 第61-62页 |
5.3 基于拥挤距离的MORDPSO算法(MORDPSO-CD) | 第62-69页 |
5.3.1 拥挤距离的基本理论 | 第62-63页 |
5.3.2 基于拥挤距离的外部档案更新与维护策略 | 第63页 |
5.3.3 全局最好粒子的选择机制 | 第63页 |
5.3.4 MORDPSO-CD的算法流程 | 第63-65页 |
5.3.5 算法性能评价指标 | 第65页 |
5.3.6 仿真实验 | 第65-66页 |
5.3.7 结果分析 | 第66-69页 |
5.4 基于自适应网格的MORDPSO算法(MORDPSO-AG) | 第69-72页 |
5.4.1 基于自适应网格的外部档案更新与维护策略 | 第69页 |
5.4.2 基于自适应网格和轮盘赌法的领导粒子选择机制 | 第69-70页 |
5.4.3 MORDPSO-AG的算法流程 | 第70页 |
5.4.4 MORDPSO-AG算法的仿真实验 | 第70-72页 |
5.5 本章小结 | 第72-74页 |
主要结论与展望 | 第74-76页 |
主要结论 | 第74页 |
展望 | 第74-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-81页 |
附录: 作者在攻读硕士学位期间发表的论文 | 第81页 |