声明
1绪论
1.1 选题背景及研究意义
1.1.1 优化问题
1.1.2 传统优化方法
1.1.3 智能优化方法
1.2 水循环算法的国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文主要内容及组织框架
2 相关算法的数学模型
2.1 引言
2.2 经典智能优化算法
2.2.1 蚁群算法
2.2.2 粒子算法
2.3 基本水循环算法
2.3.1 降雨初始化
2.3.2 汇流更新
2.3.3 蒸发和降水
2.3.4 基本水循环算法的计算框架
2.4 本章小结
3 改进的水循环算法
3.1 改进水循环算法
3.1.1 反向学习的初始化
3.1.2 指数下降的迭代步长
3.1.3 高斯变异和混沌扰动的自适应蒸发过程
3.2 改进水循环算法的计算框架
3.3 本章小结
4 算法的性能测试
4.1 实验环境
4.2 测试基准函数
4.3 算法参数设置
4.4 实验结果与分析
4.5 本章小结
5 改进水循环算法在聚类分析中的应用
5.1 引言
5.2 K-means聚类算法
5.3 基于改进水循环算法的K-means描述
5.4 仿真实验
5.4.1 实验环境
5.4.2 测试数据集
5.4.3 算法参数设置
5.4.4 实验结果与分析
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
西安科技大学;