声明
1 绪论
1.1 研究背景和意义
1.1.1 压缩感知理论
1.1.2 稀疏优化问题
1.1.3 稀疏优化问题的规则性
1.2 头脑风暴优化算法
1.2.1 分组
1.2.2 生成新解
1.2.3 选择
1.3 研究现状
1.4 论文结构安排
2 多目标头脑风暴算法在稀疏优化中应用
2.1 多目标优化模型
2.2 膝区解的选取
2.2.1 目标值加权求和法
2.2.2 角度法
2.2.3 极值直线法
2.3 基于目标空间的多目标头脑风暴优化算法求解稀疏重构问题
2.3.1 设计思想和步骤
2.3.2 产生初始化解
2.3.3 目标空间聚类及新解产生
2.3.4 迭代半阈值算子—局部搜索机制
2.3.5 测试函数及评价指标
2.3.6 对比算法
2.3.7 实验结果与分析
2.3.8 噪声对算法影响
2.4 本章小结
3 两阶段驱动的多目标头脑风暴算法求解稀疏优化问题
3.1 设计动机
3.2 算法主要流程
3.3 实验说明
3.4 参数设置
3.5 实验结果
3.5.1 单目标与多目标下引导机制的选取
3.5.2 在测试函数和实际案例上的结果
3.5.3 参数对算法性能影响
3.5.4 时间复杂度对比
3.5.5 算法收敛性分析
3.6 本章小结
4 现实应用
4.1 问题介绍
4.2 图像的重构
4.3 本章小结
5 总结与展望
5.1 论文总结
5.2 工作展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢
郑州大学;