智能優(yōu)化算法求解函數(shù)優(yōu)化問題的研究

第1章 緒論
1.1 研究背景及意義
1.2 研究目標
1.3 內容組織結構
第2章 現(xiàn)有優(yōu)化算法的研究
2.1 遺傳算法
2.2 螢火蟲算法
2.3 人工蜂群算法概述
2.4 網(wǎng)格優(yōu)化算法
第3章 靜態(tài)單目標優(yōu)化問題
3.1 單目標優(yōu)化算法
3.2 基于網(wǎng)格單目標連續(xù)函數(shù)優(yōu)化算法
3.3 單目標函數(shù)優(yōu)化數(shù)值實驗
第4章 動態(tài)單目標優(yōu)化問題的研究
4.1 動態(tài)單目標優(yōu)化技術
4.2 動態(tài)單目標優(yōu)化數(shù)值實驗
第5章 多目標優(yōu)化問題
5.1 多目標優(yōu)化的基本概念
5.2 國內外多目標優(yōu)化問題的研究現(xiàn)狀
5.3 求解多目標優(yōu)化問題的方法
5.4 ε占優(yōu)的多目標優(yōu)化概念
5.5 高維多目標優(yōu)化問題
5.6 本章小結
第6章 面向多模函數(shù)優(yōu)化的改進的網(wǎng)格優(yōu)化算法
6.1 多模函數(shù)優(yōu)化問題
6.2 網(wǎng)格優(yōu)化算法的基本原理與改進思想
6.3 改進的GOA的實現(xiàn)
6.4 仿真實驗及結果分析
6.5 本章小結
第7章 網(wǎng)格優(yōu)化算法在排課中的應用
7.1 排課問題的研究背景及意義
7.2 排課問題的本質分析
7.3 網(wǎng)格算法排課的實現(xiàn)
7.4 基于.net的系統(tǒng)實現(xiàn)
7.5 本章小結
第8章 一種混合的GOA-GA優(yōu)化算法
8.1 混合GOA-GA優(yōu)化算法
8.2 數(shù)值試驗
8.3 本章小結
第9章 自適應動態(tài)網(wǎng)格優(yōu)化算法
9.1 自適應動態(tài)網(wǎng)格優(yōu)化算法(AD-GEA)
9.2 仿真實驗
9.3 本章小結
第10章 基于雙種群的螢火蟲無線傳感器網(wǎng)絡覆蓋優(yōu)化算法
10.1 基于雙種群的螢火蟲優(yōu)化算法實現(xiàn)
10.2 仿真實驗
10.3 基于雙種群的螢火蟲算法在無線傳感器網(wǎng)絡覆蓋優(yōu)化中的應用
10.4 本章小結
第11章 一種新的基于多群體人工蜂群數(shù)值優(yōu)化算法
11.1 提出的新方法
11.2 仿真實驗
11.3 本章小結
第12章 一種改進的基于概率吸引的螢火蟲算法
12.1 改進算法的實現(xiàn)
12.2 仿真實驗
12.3 本章小結
第13章 一種新穎的螢火蟲算法求解參數(shù)識別問題
13.1 改進的策略
13.2 使用基準函數(shù)來測試本章提出的NFA算法的性能
13.3 NFA算法求解調頻參數(shù)識別問題
13.4 本章小結
第14章 基于混合策略的改進的螢火蟲算法
14.1 改進的算法(HFA)
14.2 測試實驗
14.3 本章小結
參考文獻