更新时间：2019-11-22 20:49:13
封面
版权信息
内容提要
前言
第1章 绪论
1.1 引言
1.2 差分进化算法研究现状
参考文献
第2章 差分进化算法概述
2.1 引言
2.2 差分进化算法基本原理
2.3 差分进化算法优化策略及其对算法的影响
2.4 差分进化算法的参数分析及设置
2.5 差分进化算法的收敛性分析
2.6 本章小结
第3章 基于分类变异策略的自适应差分进化算法
3.1 引言
3.2 基于分类策略的新变异方法
3.3 新参数自适应调整策略
3.4 实验测试及结果分析
3.5 本章小结
第4章 基于DE算法的人脑PET图像目标边缘检测
4.1 引言
4.2 传统Snake模型及GVF Snake模型
4.3 结合p-ADE算法的GVF Snake模型实现PET图像目标边缘检测
4.4 实验测试及结果分析
4.5 本章小结
第5章 基于DE算法的电子商务多边多议题协商
5.1 引言
5.2 基于多Agent的多边多议题协商
5.3 p-ADE算法在合作环境下多边多议题协商中的应用
5.4 实验测试及结果分析
5.5 本章小结
第6章 基于精英策略的改进多目标自适应DE算法
6.1 引言
6.2 多目标优化问题的数学描述
6.3 多目标进化算法的研究现状
6.4 精英SDEMO算法
6.5 实验测试及结果分析
6.6 本章小结
第7章 高维多目标进化算法概述
7.1 引言
7.2 高维多目标进化算法研究进展
7.3 高维多目标进化算法的标准测试函数
7.4 高维多目标进化算法的性能指标
7.5 高维多目标进化算法关键技术
7.6 本章小结
第8章 基于改进K支配的高维多目标差分进化算法
8.1 引言
8.2 K支配关系及排序方法改进
8.3 基于参考点的拥挤密度估计方法改进
8.4 个体适应度值评价方法改进
8.5 CAO局部搜索
8.6 实验测试及结果分析
8.7 本章小结
第9章 基于全局排序的高维多目标差分进化算法
9.1 引言
9.2 高维多目标优化支配排序方法
9.3 全局排序高维多目标差分进化算法概述
9.4 实验测试及结果分析
9.5 本章小结
第10章 基于高维多目标优化的城市智能化动态停车诱导
10.1 引言
10.2 城市PGS
10.3 高维多目标智能停车场及路径诱导模型
10.4 高维多目标智能停车场及路径诱导算法
10.5 实验测试及结果分析
10.6 本章小结
第11章 基于高维多目标优化的道路交叉口信号控制
11.1 引言
11.2 交叉口混合交通流信号控制指标
11.3 交叉口信号高维多目标优化智能控制模型
11.4 实验测试及结果分析
11.5 本章小结
附录
