动态环境下粒子群优化算法的研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-33页 |
| ·引言 | 第12-13页 |
| ·动态优化问题 | 第13-16页 |
| ·动态环境下优化算法性能的评价标准 | 第16-18页 |
| ·基本粒子群优化算法 | 第18-23页 |
| ·基本粒子群算法在动态环境下失效原因的分析 | 第23-25页 |
| ·动态环境下粒子群优化算法 | 第25-31页 |
| ·动态环境下的演化算法 | 第25-29页 |
| ·动态环境下的粒子群优化算法的研究现状 | 第29-31页 |
| ·本文的主要工作 | 第31-33页 |
| 第二章 基于等级选择策略的粒子群算法 | 第33-48页 |
| ·采用选择策略对应环境的改变 | 第33-36页 |
| ·选择操作 | 第33页 |
| ·选择压力理论 | 第33页 |
| ·选择策略 | 第33-35页 |
| ·基于等级的选择策略的优势 | 第35-36页 |
| ·基于等级的选择策略在粒子群算法中的应用 | 第36页 |
| ·变异操作 | 第36-38页 |
| ·种群中多样性的缺乏 | 第37页 |
| ·变异操作 | 第37页 |
| ·粒子群算法中变异的应用 | 第37-38页 |
| ·加快收敛的可变加速系数 | 第38-39页 |
| ·动态环境系统 | 第39页 |
| ·实验结果和性能分析 | 第39-47页 |
| ·不同的PSO模型的实验设计 | 第40-41页 |
| ·测试函数 | 第41页 |
| ·RS-PSO的实验 | 第41-45页 |
| ·RSM-PSO的实验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 分层多种群粒子群算法 | 第48-65页 |
| ·多群体协同进化的理论基础 | 第48-49页 |
| ·算法描述和动态响应方法 | 第49-53页 |
| ·共生操作 | 第49-50页 |
| ·算法流程 | 第50-53页 |
| ·实验结果和性能分析 | 第53-64页 |
| ·测试函数 | 第53-54页 |
| ·算法评估和环境设定 | 第54-56页 |
| ·实验结果分析 | 第56-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 基于可变认知度的粒子群算法 | 第65-76页 |
| ·动态环境的算法改进 | 第65-67页 |
| ·粒子群算法的系统参数 | 第65页 |
| ·动态环境下粒子群算法的改进 | 第65-67页 |
| ·可变认知度的动态响应 | 第67-69页 |
| ·实验设计 | 第69-70页 |
| ·实验一 | 第69-70页 |
| ·实验二 | 第70页 |
| ·实验结果 | 第70-74页 |
| ·实验一 | 第70-72页 |
| ·实验二 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第五章 文化粒子群算法 | 第76-97页 |
| ·文化算法思想 | 第76-78页 |
| ·算法描述和设计 | 第78-88页 |
| ·算法流程 | 第78-80页 |
| ·多子群的主群体空间 | 第80-81页 |
| ·知识空间 | 第81-86页 |
| ·影响函数 | 第86-88页 |
| ·实验结果及分析 | 第88-96页 |
| ·基准测试问题 | 第88页 |
| ·比较算法 | 第88-89页 |
| ·实验结果 | 第89-96页 |
| ·本章小结 | 第96-97页 |
| 第六章 基于区域侦察的粒子群算法 | 第97-113页 |
| ·引言 | 第97-98页 |
| ·算法描述 | 第98-104页 |
| ·算法流程 | 第98-100页 |
| ·粒子收敛趋势与收敛指数计数器 | 第100-101页 |
| ·区域侦察机制 | 第101-102页 |
| ·解空间测度和区域侦察策略 | 第102-103页 |
| ·新生粒子和粒子群的更新 | 第103-104页 |
| ·算法参数的初始化 | 第104页 |
| ·实验与分析 | 第104-112页 |
| ·实验设计 | 第104-105页 |
| ·实验实施 | 第105-106页 |
| ·实验结果 | 第106-111页 |
| ·实验结论 | 第111-112页 |
| ·本章小结 | 第112-113页 |
| 第七章 总结与展望 | 第113-117页 |
| ·主要研究成果及创新 | 第113-115页 |
| ·进一步研究工作的展望 | 第115-117页 |
| 参考文献 | 第117-127页 |
| 作者的主要学术论文 | 第127-128页 |
| 致谢 | 第128页 |
