文摘
英文文摘
声明
第一章绪论
1.1选题背景及意义
1.2智能优化算法的研究概况
1.3相关模糊理论的研究概况
1.4论文的主要工作
第二章智能算法介绍及其改进
2.1引言
2.2智能算法及其改进算法
2.3本章小结
第三章含维向量变异的量子粒子群算法和基于混沌小生境技术的量子粒子群算法
3.1引言
3.2量子粒子群优化算法(QPS0)
3.2.1基于Delta势阱模型的量子行为粒子群算法(QDPSO)
3.2.2量子行为的粒子群算法
3.3含维向量变异的量子粒子群算法
3.3.1算法描述
3.3.2实验结果,实验结论和对实验结果的讨论
3.4基于混沌变异小生境技术的量子粒子群算法(NCQPSO)
3.4.1RCS小生境进化策略
3.4.2变尺度混沌变异
3.4.3基于混沌变异算子的小生境量子粒子群算法
3.4.4实验分析和实验结果
3.5本章小结
第四章模糊认知图中智能算法的研究与应用
4.1引言
4.2模糊认知图
4.2.1模糊认知图介绍
4.2.2模糊认知图对问题的表示及推理
4.2.3模糊认知图的建模机制和框架
4.3一种新颖的模糊认知图学习方法解决工业控制问题
4.3.1新的模糊认知图学习方法
4.3.2基于量子粒子群算法建模
4.3.3工业控制模型
4.3.4仿真结果
4.3.4实验总结
4.4模糊认知图在医疗诊断系统中的应用
4.4.1医疗系统背景介绍
4.4.2医疗系统的模糊认知图模型
4.4.3利用模型对两个实例病症的诊断
4.4.4实验总结
4.5本章小结
第五章智能算法和模糊逻辑在图像处理方面的研究与应用
5.1引言
5.2基于量子粒子群算法和模糊熵的Ostu图像分割
5.2.1简介
5.2.2二维直方图
5.2.3二维ostu图像分割
5.2.4基于量子粒子群算法的Ostu图像分割
5.2.5实验结果和实验分析
5.2.6应用模糊熵作后处理
5.2.7实验结果和实验分析
5.2.8实验小结
5.3基于量子粒子群算法的模糊滤波方法
5.3.1简介
5.3.2基于量子粒子群算法确定隶属函数参数
5.3.3基于模糊推理的中值滤波
5.3.4实验结果和实验分析
5.3.5实验小结
5.4本章小结
第六章智能算法在模糊系统中的研究与应用
6.1引言
6.2采用量子粒子群算法的非线性系统T-S模型识别
6.2.1简介
6.2.2T-S模型描述
6.2.3基于QPSO优化TSK模糊逻辑系统构造
6.2.4仿真结果和实验分析
6.3智能预估模型在谷氨酸发酵过程中的应用
6.3.1简介
6.3.2模糊推理系统概述
6.3.3谷氨酸工艺过程概述
6.3.4基于PSO和QPSO优化的非线性T-S模糊系统的预估模型
6.3.5系统仿真结果和实验分析
6.3.6实验小结
第七章总结与展望
7.1工作总结
7.2工作展望
致谢
参考文献
附录:攻读硕士学位期间发表的论文