声明
摘要
主要缩略语目录
1 绪论
1.1 研究背景与意义
1.2 混沌的定义及特点
1.3 PSO算法的基本原理
1.4 混沌PSO算法的定义
1.5 混沌PSO算法的分类
1.6 混沌PSO算法的特点
1.7 混沌PSO算法的应用
1.8 论文主要内容与组织结构
1.8.1 研究内容及创新点
1.8.2 论文组织结构
1.9 小结
2 单维混沌局部搜索和多样性维持策略的混沌PSO算法
2.1 引言
2.2 单目标函数优化问题的概念
2.3 混沌映射
2.4 求解单目标函数优化问题的三种混沌PSO算法
2.5 单维混沌局部搜索和多样性维持策略的混沌PSO算法(DMCPSO)
2.5.1 单维混沌局部搜索算法
2.5.2 多样性维持策略
2.5.3 DMGPSO算法描述
2.5.4 DMCPSO算法时间复杂度分析
2.6 仿真实验及结果分析
2.6.1 单目标测试函数
2.6.2 10维和30维实验结果
2.6.3 实验结果分析
2.7 小结
3 混沌全局搜索和局部搜索相结合的PSO算法
3.1 引言
3.2 整数规划问题及混合整数规划问题的概念
3.3 求解混合整数非线性规划问题的方法
3.3.1 非元启发式凸混合整数非线性规划问题求解方法
3.3.2 非元启发式非凸混合整数非线性规划问题求解方法
3.3.3 元启发式混合整数非线性规划问题求解方法
3.4 元启发式算法解决IP或MIP问题的约束条件处理方法
3.4.1 罚函数方法
3.4.2 专用表示方法及算子
3.4.3 修复算法
3.4.4 目标函数和约束条件分开处理的方法
3.4.5 混合方法
3.5 混沌搜索方法的特点
3.6 混沌全局搜索和局部搜索相结合的PSO算法(CLSPSO)
3.6.1 混沌全局搜索算法
3.6.2 单维和多维结合的混沌局部搜索算法
3.6.3 约束条件的处理及种群初始化方法
3.6.4 CLSPSO算法描述
3.6.5 CLSPSO算法的时间复杂度分析
3.7 仿真实验及结果分析
3.7.1 整数及混合整数测试问题
3.7.2 同类算法的比较及分析
3.7.3 异类算法的比较及分析
3.8 小结
4 一种融合差分进化、混沌局部搜索和PSO的混合算法
4.1 引言
4.2 可靠性冗余分配问题的概念
4.3 求解可靠性冗余分配问题的几种元启发式算法
4.4 差分进化算法
4.5 差分进化和粒子群优化算法相结合的混合算法
4.5.1 基于协作型的DEPSO算法
4.5.2 基于嵌入型的DEPSO算法
4.5.3 基于帮助型的DEPSO算法
4.5.4 基于协作型和嵌入型的DEPSO算法
4.6 融合DE、混沌局部搜索和PSO的混合算法(CDEPSO)
4.6.1 DE与PSO的结合方式
4.6.2 单维和多维结合的混沌局部搜索算法
4.6.3 约束条件的处理及种群初始化方法
4.6.4 CDEPSO算法描述
4.6.5 CDEPSO算法的时间复杂度分析
4.7 仿真实验及结果分析
4.7.1 四个典型系统问题
4.7.2 实验结果
4.7.3 结果分析及SR性能指标的提出
4.8 小结
5 基于混沌局部搜索的多目标PSO算法
5.1 引言
5.2 多目标优化问题的概念
5.3 多目标粒子群算法的研究现状
5.3.1 归并方法
5.3.2 字典序方法
5.3.3 子种群方法
5.3.4 基于Pareto方法
5.3.5 混合方法
5.3.6 其它方法
5.4 多目标进化算法的性能评价指标
5.5 多目标混沌局部搜索的PSO算法(MOCPSO)
5.5.1 档案文件
5.5.2 档案文件超过最大容量时的处理方法
5.5.3 个体最优位置和全局最优位置的选择
5.5.4 混沌局部搜索算法
5.5.5 MOCPSO算法描述
5.5.6 MOCPSO算法的时间复杂度分析
5.6 仿真实验及结果分析
5.6.1 多目标函数测试问题
5.6.2 实验结果
5.6.3 结果分析
5.7 小结
6 总结与展望
参考文献
攻读学位期间主要的研究成果目录
致谢