文摘
英文文摘
声明
第1章 绪论
1.1 组合优化问题简介
1.1.1 最优化问题及其求解方法
1.1.2 组合优化问题
1.2 群体智能理论
1.3 粒子群优化算法概述
1.3.1 粒子群优化算法简介
1.3.2 粒子群优化算法的研究现状
1.4 混沌理论概述
1.4.1 混沌的产生及其发展
1.4.2 混沌的定义
1.4.3 混沌的基本特性
1.4.4 混沌在优化问题中的应用
1.5 本文的主要内容
第2章 基于整数编码的混沌粒子群优化算法
2.1 基本PSO算法
2.1.1 算法原理
2.1.2 算法的数学描述
2.1.3 算法流程
2.1.4 算法分析
2.2 典型的PSO改进模型
2.2.1 引入惯性权重的PSO模型
2.2.2 引入收敛因子的PSO模型
2.2.3 离散的PSO模型
2.3 PSO与遗传算法的比较
2.3.1 遗传算法简介
2.3.2 PSO与GA的比较
2.4 基于整数编码的混沌PSO算法(ICPSO)
2.4.1 Logistic混沌序列
2.4.2 混沌与PSO结合的一般模式
2.4.3 基于整数编码的混沌PSO算法
2.5 本章小结
第3章 基于ICPSO的旅行商问题求解
3.1 旅行商问题(TSP)的数学模型
3.1.1 TSP的一般数学模型
3.1.2 基于排列组合的TSP模型
3.2 基于ICPSO的TSP求解算法设计
3.2.1 编码
3.2.2 适应度函数
3.2.3 粒子位置的更新
3.2.4 基于ICPSO的TSP求解流程
3.3 算法的仿真实验及分析
3.4 本章小结
第4章 基于ICPSO的装箱问题求解
4.1 标准装箱问题(CBPP)简介
4.1.1 CBPP的应用背景
4.1.2 CBPP的数学模型
4.1.3 基于排列组合的CBPP模型
4.2 基于ICPSO的CBPP求解算法设计
4.2.1 编码
4.2.2 适应度函数
4.2.3 基于ICPSO的CBPP求解流程
4.3 算法的仿真实验及分析
4.4 本章小结
第5章 基于ICPSO的背包问题求解
5.1 0-1 背包问题(0-1KP)的数学模型
5.2 基于ICPSO的0-1KP求解算法设计
5.2.1 编码
5.2.2 适应度函数
5.2.3 粒子位置的更新
5.2.4 基于ICPSO的0-1KP求解流程
5.3 算法的仿真实验及分析
5.4 本章小结
结论与展望
参考文献
攻读硕士学位期间发表或完成的论文
攻读硕士学位期间参与项目情况
致谢