基于改进粒子群算法的函数优化研究

目录

OLE_LINK8

摘 要

ABSTRACT

目 录

第一章 绪论

1.1 课题背景及研究意义

1.2 研究现状

1.2.1 粒子群算法的相关理论研究

1.2.2 粒子群算法的改进现状

1.3 本文组织结构

第二章 算法研究的理论基础

2.1 优化

2.1.1 函数优化

2.1.2 优化算法

2.2 几个经典的智能算法

2.2.1 蚁群算法

2.2.2 遗传算法

2.2.3 人工蜂群算法

2.2.4 人工神经网络算法

2.3 粒子群算法

2.3.1 PSO的原始模型

2.3.2 标准粒子群算法的模型

2.3.3 粒子群算法的收敛性分析

2.4 本章小结

第三章 粒子群算法的优化研究

3.1 模拟退火粒子群算法(Simulated Annealing PSO，SAPSO）

3.2 改进的模拟退火粒子群算法（Improved SAPSO,ISAPSO）

3.2.1 Tsallis接受准则基本原理

3.2.2 引入自适应惯性权重

3.2.3 学习因子的改进

3.2.4 引入遗传算法的选择、交叉和变异策略

3.3 本章小结

第四章 改进的粒子群算法在函数优化中的应用

4.1 测试函数的具体介绍

4.2 不同算法对应的测试函数结果分析

4.2.1 算法的参数选取

4.2.2 算法的性能衡量标准

4.2.3 测试函数的实验结果

4.3 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致 谢

参考文献