基于遗传算法的混合学习和集成学习研究
| 第一章 绪 论 | 第1-11页 |
| ·研究背景 | 第6-7页 |
| ·当前国内外研究现状 | 第7-9页 |
| ·混合遗传算法的发展及研究现状 | 第7-8页 |
| ·集成学习的发展和研究现状 | 第8-9页 |
| ·本文主要的研究内容 | 第9-11页 |
| 第二章 混合算法及集成学习的理论基础 | 第11-24页 |
| ·混合学习算法的理论基础 | 第11-14页 |
| ·单亲遗传算法机制 | 第11-14页 |
| ·单亲遗传算法的运行机理 | 第11-13页 |
| ·单亲遗传算法的遗传算子 | 第13页 |
| ·单亲遗传算法的运行步骤 | 第13-14页 |
| ·模拟退火算法机制 | 第14页 |
| ·集成学习算法的理论基础 | 第14-16页 |
| ·集成学习的概念 | 第14-15页 |
| ·集成学习的构成 | 第15-16页 |
| ·集成学习的作用 | 第16页 |
| ·Boosting & Bagging的理论基础 | 第16-23页 |
| ·Boosting算法的提出 | 第16-20页 |
| ·Bagging算法的提出 | 第20页 |
| ·Boosting & Bagging理论分析 | 第20-22页 |
| ·Boosting & Bagging应用研究 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 基于模拟退火的混合单亲遗传算法 | 第24-34页 |
| ·基于模拟退火的混合单亲遗传算法 | 第24-28页 |
| ·混合单亲遗传算法的提出 | 第24页 |
| ·混合单亲遗传算法的描述 | 第24-28页 |
| ·仿真实验:车辆路径问题 | 第28-32页 |
| ·车辆路径问题以及研究概况 | 第28页 |
| ·VRP问题的混合算法模型 | 第28-31页 |
| ·问题描述 | 第29页 |
| ·算法模型 | 第29-31页 |
| ·仿真实验结果及其分析 | 第31-32页 |
| ·小结 | 第32-34页 |
| 第四章 基于集成学习思想进行遗传算法参数选择 | 第34-46页 |
| ·遗传算法中的参数选择问题 | 第34页 |
| ·基于集成学习的遗传算法参数的选择 | 第34-38页 |
| ·集成遗传算法仿真实验 | 第38-45页 |
| ·小结 | 第45-46页 |
| 第五章 基于遗传算法的集成学习权重优化研究 | 第46-59页 |
| ·Boosting & Bagging算法 | 第46-48页 |
| ·AdaBoost算法简介 | 第46-47页 |
| ·Bagging 算法简介 | 第47-48页 |
| ·基于遗传算法集成学习权重优化的混合方法 | 第48-50页 |
| ·问题的提出 | 第48页 |
| ·基于遗传算法集成学习权重优化的混合方法 | 第48-50页 |
| ·仿真实验 | 第50-57页 |
| ·数据集合说明 | 第51-52页 |
| ·实验结果 | 第52-57页 |
| ·小结 | 第57-59页 |
| 第六章 总 结 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 发表论文及参加科研情况 | 第64-65页 |
| 致 谢 | 第65页 |
