傳染病動力學(xué)優(yōu)化算法及其應(yīng)用

1 SIS傳染病動力學(xué)優(yōu)化算法
1．1 引言
1．2 基于SIS傳染病模型的函數(shù)優(yōu)化算法設(shè)計
1．2．1 Kermack-Mckendrick假設(shè)
1．2．2 算法場景設(shè)計
1．2．3 SIS傳染病模型與SIS算法的執(zhí)行流程
1．2．4 演化算子設(shè)計
1．2．5 個體初始化
1．2．6 SIS算法構(gòu)造方法
1．2．7 SIS算法的特性
1．2．8 SIS算法的時間復(fù)雜度
1．3 SIS算法的全局收斂性證明
1．4 實例研究與對比分析
1．5 本章小結(jié)
參考文獻(xiàn)
2 SEIV傳染病動力學(xué)優(yōu)化算法
2．1 引言
2．2 基于SEIV傳染病模型的函數(shù)優(yōu)化算法設(shè)計
2．2．1 SEIV傳染病模型
2．2．2 算法場景設(shè)計
2．2．3 演化算子設(shè)計
2．2．4 SEIV算法構(gòu)造方法
2．2．5 SEIV算法的時間復(fù)雜度
2．3 SEIV算法的特性與全局收斂性
2．4 實例研究與對比分析
2．4．1 SEIV算法的性能研究與參數(shù)選取
2．4．2 SEIV算法與其他群智能優(yōu)化算法的比較
2．5 本章小結(jié)
參考文獻(xiàn)
3 SIRQV傳染病動力學(xué)優(yōu)化算法
3．1 引言
3．2 基于SIRQV傳染病模型的函數(shù)優(yōu)化算法設(shè)計
3．2．1 SIRQV模型
3．2．2 算法場景設(shè)計
3．2．3 演化算子設(shè)計
3．2．4 sIRQV算法構(gòu)造方法
3．2．5 SIRQV算法的特性
3．2．6 時間復(fù)雜度
3．3 SIRQV算法的全局收斂性
3．4 實例研究與對比分析
3．4．1 sIRQV算法的參數(shù)選取與性能研究
3．4．2 SIRQV算法與其他群智能優(yōu)化算法的比較
3．5 本章小結(jié)
參考文獻(xiàn)
4 SEIRS傳染病動力學(xué)優(yōu)化算法
4．1 引言
4．2 基于SEIRS傳染病模型的函數(shù)優(yōu)化算法設(shè)計
4．2．1 SEIRS傳染病模型
4．2．2 算法場景設(shè)計
4．2．3 演化算子設(shè)計
……