声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 进化算法研究现状
1.2.1 差分进化算法
1.2.2 粒子群优化算法
1.2.3 K-means算法
1.3 主要研究内容
1.4 论文组织结构
第二章 人工蜂群算法及其效率研究
2.1 蜜蜂采蜜行为研究
2.2 基本的人工蜂群算法
2.3 基于大规模全局优化的人工蜂群算法
2.3.1 测试函数及实验参数设置
2.3.2 实验结果分析
2.4 基于改进差分进化的人工蜂群算法
2.4.1 差分进化算法的变异策略
2.4.2 基于差分进化的人工蜂群算法
2.4.3 测试函数及实验参数设置
2.4.4 实验结果分析
2.5 本章小结
第三章 基于自适应学习机制的人工蜂群算法
3.1 自适应学习机制
3.2 候选解产生策略
3.3 固定的种群初始化
3.4 实验设计与分析
3.4.1 测试函数及实验参数设置
3.4.2 SABC-GB与策略池原有算法比较
3.4.3 SABC-GB与其他自适应算法比较
3.5 SABC-GB在聚类中的应用
3.6 本章小结
第四章 基于半学习机制的自适应人工蜂群算法
4.1 基于半空间的初始化算法
4.2 最优保留选择算子
4.3 自适应策略池的优化
4.4 实验设计与分析
4.4.1 正交实验设计
4.4.2 测试函数及实验参数设置
4.4.3 HSSI的效率研究
4.4.4 最优保留选择算子的效率研究
4.4.5 SABC-SI与其他算法的比较
4.5 SABC-SI在分类中的应用
4.6 本章小结
第五章 结束语
5.1 总结
5.2 展望
致谢
参考文献
作者简介