遺傳算法理論及其在船舶橫搖運動控制中的應用

第1章 遺傳算法的基本原理及其改進方法
1.1 生物進化與遺傳
1.2 遺傳算法研究的發(fā)展與現(xiàn)狀
1.3 遺傳算法的基本原理
1.4 遺傳算法的理論研究
1.5 遺傳算法的改進研究
1.6 綜合改進方法的研究
第2章 遺傳算法收斂性定義和統(tǒng)一數(shù)學描述
2.1 數(shù)學基礎(chǔ)
2.2 遺傳算法的收斂性定義
2.3 遺傳算法的統(tǒng)一數(shù)學描述
2.4 概率模型
第3章 遺傳算法收斂性和收斂速度的研究
3.1 數(shù)學基礎(chǔ)
3.2 GA收斂性和收斂速度問題的數(shù)學描述
3.3 基于隨機矩陣的GA收斂性分析和收斂速度估計
3.4 基于特殊值的GA收斂性分析和收斂速度估計
第4章 最優(yōu)保留遺傳算法及其收斂性分析
4.1 最優(yōu)保留與最優(yōu)保留遺傳算法
4.2 全局收斂的EGA及其收斂本質(zhì)
4.3 全局收斂EGA的實現(xiàn)方法及其收斂性分析
4.4 一種新形式的EGA
4.5 一種自適應GA收斂性及時章性分析
第5章 遺傳算法種群多樣性的研究
5.1 過早收斂現(xiàn)象的表征及產(chǎn)生原因
5.2 種群多樣性的定義和度量
5.3 種群多樣性的含義
5.4 遺傳算子對種群多樣性的影響
第6章 模糊遺傳算法
6.1 模糊遺傳算法的基本設(shè)計思想
6.2 基于種群多樣性的模糊遺傳算法
第7章 綜合改進遺傳算法
7.1 現(xiàn)在GA改進方法及其在TMRGA中的應用
7.2 TMRGA的描述
7.3 仿真結(jié)果及TMRGA性能分析
第8章 遺傳算法在艦艇橫搖運動的模糊建模中的應用
8.1 船舶橫搖運動的傳統(tǒng)數(shù)學模型
8.2 模糊遺傳算法在T－S模型辨識中的應用
8.3 船舶橫搖模糊建模
第9章 遺傳算法在船舶減搖鰭控制器優(yōu)化設(shè)計中的應用
9.1 船舶減搖鰭控制系統(tǒng)構(gòu)成
9.2 減搖鰭控制規(guī)律
9.3 適用于減搖鰭PID控制器優(yōu)化設(shè)計的改進的遺傳算法
9.4 線性情況下基于遺傳算法的減搖鰭系統(tǒng)PID控制器的優(yōu)化設(shè)計
9.5 非線性情況下基于遺傳算法的減搖鰭PID控制器的優(yōu)化設(shè)計
參考文獻