首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

粒子群算法改进及其应用研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-13页
    1.1 研究背景第9-10页
    1.2 国内外研究现状第10-11页
        1.2.1 优化算法的理论研究现状第10-11页
        1.2.2 优化算法的应用研究现状第11页
    1.3 研究内容和框架第11-13页
第二章 优化算法的研究第13-30页
    2.1 优化方法概述第13-14页
    2.2 粒子群优化算法的介绍第14-21页
        2.2.1 粒子群优化算法的起源与原理第14-15页
        2.2.2 粒子群优化算法的流程第15-16页
        2.2.3 粒子群优化算法与其他算法的比较第16-17页
        2.2.4 粒子群优化算法的改进研究第17-21页
    2.3 量子粒子群优化算法的介绍第21-23页
        2.3.1 量子粒子群算法基本原理第21-23页
        2.3.2 QPSO算法流程第23页
    2.4 狼群优化算法的介绍第23-26页
    2.5 标准测试函数上的实验验证第26-28页
        2.5.1 标准测试函数第26-27页
        2.5.2 五种算法的测试结果第27-28页
    2.6 本章小结第28-30页
第三章 混沌量子粒子群算法及其在MPPT上的应用第30-52页
    3.1 算法的提出第30-32页
        3.1.1 带混沌搜索的QPSO第30-32页
        3.1.2 粒子的全局搜索方案第32页
    3.2 标准测试函数上的实验结果与分析第32-42页
        3.2.1 标准测试函数第33-34页
        3.2.2 几种算法的测试与比较第34-42页
    3.3 算法在MPPT上的应用第42-48页
        3.3.1 光伏系统的介绍第43页
        3.3.2 光伏系统建模第43-45页
        3.3.3 光伏电池板的参数第45-46页
        3.3.4 光伏组件输出特性第46-47页
        3.3.5 加入MPPT控制策略的算法第47页
        3.3.6 适应度函数第47-48页
        3.3.7 算法流程第48页
    3.4 几种算法的实验与仿真结果第48-51页
    3.5 本章小结第51-52页
第四章 改进型粒子群算法及其在特征选择上的应用第52-76页
    4.1 提出算法第52-56页
        4.1.1 基于粒子更新公式的改进策略第52-54页
        4.1.2 基于粒子的单维更新策略第54-55页
        4.1.3 基于粒子的全维更新策略第55-56页
    4.2 标准测试函数上的实验结果与分析第56-69页
        4.2.1 标准测试函数第56-57页
        4.2.2 优化算法的测试与分析比较第57-69页
    4.3 算法在特征选择上的应用第69-71页
        4.3.1 编码技术第69-70页
        4.3.2 适应度函数第70页
        4.3.3 算法的流程第70-71页
    4.4 实验设计与验证第71-75页
        4.4.1 实验数据第71页
        4.4.2 实验结果分析与比较第71-75页
    4.5 本章小结第75-76页
第五章 总结与展望第76-78页
参考文献第78-82页
附录1 攻读硕士学位期间撰写的论文第82-83页
附录2 攻读硕士学位期间申请的专利第83-84页
致谢第84页

论文共84页,点击 下载论文
上一篇:缆索机器人动力学分析
下一篇:一种无线控制的网络分析仪校准系统