仿推特群智能优化算法研究 |
论文目录 | | | 摘要 | 第1-6页 | | Abstract | 第6-14页 | | 第一章 绪论 | 第14-19页 | | 1.1 研究背景及意义 | 第14-17页 | | 1.1.1 最优化问题 | 第14页 | | 1.1.2 最优化问题分类 | 第14-15页 | | 1.1.3 最优化算法分类 | 第15-16页 | | 1.1.4 群智能算法 | 第16-17页 | | 1.2 当前研究现状 | 第17页 | | 1.3 本文研究内容 | 第17-18页 | | 1.4 本文组织结构和章节安排 | 第18-19页 | | 第二章 相关工作 | 第19-29页 | | 2.1 单目标优化问题和多目标优化问题 | 第19-20页 | | 2.2 已有的群智能算法 | 第20-28页 | | 2.2.1 粒子群算法和人工蜂群算法 | 第20-24页 | | 2.2.2 粒子群算法和人工蜂群算法存在的问题 | 第24-25页 | | 2.2.3 MOEA/D算法和NSGA-Ⅱ算法 | 第25-27页 | | 2.2.4 MOEA/D算法和NSGA-Ⅱ算法存在的问题 | 第27-28页 | | 2.3 群智能算法评价方法 | 第28页 | | 2.4 本章小结 | 第28-29页 | | 第三章 单目标仿推特优化 | 第29-40页 | | 3.1 单目标优化问题 | 第29页 | | 3.2 仿推特优化背景 | 第29-32页 | | 3.2.1 现实推特模型 | 第30-32页 | | 3.3 仿推特优化算法 | 第32-34页 | | 3.4 实验及分析 | 第34-38页 | | 3.4.1 实验设置 | 第34-35页 | | 3.4.2 TO参数选择实验及结论 | 第35-37页 | | 3.4.3 TO,CPSO,SPSO对比实验及结论 | 第37-38页 | | 3.5 本章小结 | 第38-40页 | | 第四章 多目标仿推特优化 | 第40-51页 | | 4.1 多目标优化问题 | 第40-42页 | | 4.1.1 多目标优化问题定义 | 第40-41页 | | 4.1.2 多目标优化问题举例 | 第41-42页 | | 4.2 多目标仿推特优化原理 | 第42-43页 | | 4.2.1 多目标转化为单目标 | 第42页 | | 4.2.2 关注机制 | 第42-43页 | | 4.3 多目标仿推特优化算法 | 第43-46页 | | 4.4 实验及分析 | 第46-49页 | | 4.4.1 实验设置 | 第46-47页 | | 4.4.2 评价指标 | 第47页 | | 4.4.3 对比实验及结论 | 第47-49页 | | 4.5 本章小结 | 第49-51页 | | 第五章 仿推特优化与路径规划 | 第51-62页 | | 5.1 路径规划问题 | 第51-52页 | | 5.1.1 单目标路径规划 | 第51-52页 | | 5.1.2 多目标路径规划 | 第52页 | | 5.2 路径规划算法 | 第52-57页 | | 5.2.1 路径规划问题转化为优化问题 | 第53-54页 | | 5.2.2 TO与MOTO解决路径规划问题 | 第54-57页 | | 5.3 3D仿真实验 | 第57-61页 | | 5.4 本章小结 | 第61-62页 | | 第六章 总结与展望 | 第62-64页 | | 6.1 本文总结 | 第62页 | | 6.2 未来工作展望 | 第62-64页 | | 参考文献 | 第64-68页 | | 简历与科研成果 | 第68-69页 | | 致谢 | 第69-70页 |
|
|
|
