基于聚类思想的改进混合遗传算法
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·遗传算法的发展历程与研究现状 | 第11-12页 |
| ·遗传算法的发展历程 | 第11页 |
| ·遗传算法的研究现状 | 第11-12页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·课题研究背景 | 第12页 |
| ·课题研究意义 | 第12-13页 |
| ·研究内容及论文结构 | 第13-17页 |
| ·研究内容 | 第13-14页 |
| ·论文结构 | 第14-17页 |
| 第2章 遗传算法 | 第17-29页 |
| ·遗传算法的基本概念和思想 | 第17-18页 |
| ·遗传算法的理论基础 | 第18-21页 |
| ·模式定理 | 第18-19页 |
| ·积木块假设与遗传算法欺骗问题 | 第19-20页 |
| ·隐含并行性 | 第20-21页 |
| ·标准遗传算法流程 | 第21页 |
| ·遗传算法技术实现 | 第21-26页 |
| ·编码 | 第21-23页 |
| ·种群初始化 | 第23页 |
| ·适应度函数 | 第23-24页 |
| ·遗传操作 | 第24-26页 |
| ·遗传算法的应用 | 第26-27页 |
| ·基本遗传算法分析 | 第27-28页 |
| ·基本遗传算法的特点 | 第27页 |
| ·基本遗传算法的不足 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 聚类分析方法 | 第29-39页 |
| ·聚类分析概述 | 第29-31页 |
| ·聚类三要素 | 第29-30页 |
| ·聚类的数据结构 | 第30页 |
| ·聚类分析过程 | 第30-31页 |
| ·聚类分析主要方法 | 第31-37页 |
| ·基于划分的聚类方法 | 第32-33页 |
| ·基于层次的聚类方法 | 第33-34页 |
| ·基于密度的聚类方法 | 第34-35页 |
| ·基于网格的聚类方法 | 第35-36页 |
| ·其它聚类方法 | 第36-37页 |
| ·自适应最小生成树聚类 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于聚类的改进遗传算法 | 第39-59页 |
| ·引言 | 第39页 |
| ·基于聚类的改进遗传算法(CGA) | 第39-49页 |
| ·CGA 选择算子 | 第39-40页 |
| ·CGA 算法流程 | 第40页 |
| ·CGA 无效交叉分析 | 第40-42页 |
| ·数值实验 | 第42-49页 |
| ·基于聚类的最优代表遗传算法(OCGA) | 第49-57页 |
| ·OCGA 选择算子 | 第49页 |
| ·OCGA 算法流程 | 第49-50页 |
| ·数值实验 | 第50-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 混合种群分化遗传算法 | 第59-73页 |
| ·引言 | 第59页 |
| ·混合种群分化遗传算法 | 第59-67页 |
| ·正交实验设计 | 第59-61页 |
| ·自适应正交交叉算子 | 第61页 |
| ·种群初始化 | 第61-62页 |
| ·单形交叉算子 | 第62页 |
| ·方向交叉算子 | 第62-63页 |
| ·方向单形交叉算子 | 第63-65页 |
| ·可调控局部搜索策略 | 第65-66页 |
| ·算法步骤 | 第66-67页 |
| ·数值实验 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间所发表的学术论文 | 第79-81页 |
| 致谢 | 第81页 |
