声明
摘要
主要符号表
1 绪论
1.1 研究背景与意义
1.2 国内外相关工作研究进展
1.2.1 群体智能优化算法的研究历程
1.2.2 群体智能优化算法存在的问题
1.3 本文主要研究思路
2 虚拟碰撞
2.1 关键域与虚拟碰撞
2.2 虚拟碰撞的不可避免性
2.3 虚拟碰撞的负面影响
2.4 减少虚拟碰撞的策略
2.4.1 在未知区域的均匀采样
2.4.2 根据已知采样信息的非均匀采样
2.5 本章小结
3 基于新型多自主体的雨林算法
3.1 林木的生长进化特点
3.2 采样信息熵
3.2.1 采样价值
3.2.2 信息熵与信息价值
3.3 算法规则与流程
3.3.1 算法规则
3.3.2 算法流程
3.4 实验结果测评
3.4.1 寻优速度对比
3.4.2 寻优准确度对比
3.4.3 算法的泛化能力
3.5 本章小结
4 动态多自主体进化算法
4.1 DDEA的策略分析与新型多自主体
4.1.1 探索与挖掘之间的快速切换
4.1.2 多自主体的动态分区管理
4.2 DDEA的信息处理
4.2.1 绝对占优
4.2.2 相对占优
4.2.3 可信度分析
4.3 DDEA的核心设计
4.3.1 范围划分协议
4.3.2 规模设置协议
4.3.3 生存竞争协议
4.4 DDEA的性能评估
4.4.1 速度测评
4.4.2 精准度测评
4.4.3 泛化能力测评
4.5 本章小结
5 BDDEA与约束优化问题的求解
5.1 双向动态多自主体进化架构
5.1.1 双向信息处理
5.1.2 动态多自主体进化
5.1.3 BDDEA算法流程
5.2 标称问题评估
5.2.1 速度测评
5.2.2 精准度测评
5.2.3 采样分布
5.3 本章小结
6 IDDEA与奇异非凸约束优化问题的求解
6.1 子区域的划分
6.1.1 最优估计与多自体的进化
6.1.2 子区间创建
6.2 子区间引导的多自主体收敛迭代
6.3 下确界惩罚与IDDEA流程
6.4 标称问题测试
6.4.1 Himmelblau问题
6.4.2 弹簧拉伸/压缩权重的最小化问题
6.4.3 压力容器设计问题
6.4.4 焊接梁设计问题
6.5 本章小结
7 结论与展望
7.1 结论
7.2 创新点
7.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介