| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文结构 | 第14-15页 |
| 第2章 相关理论基础 | 第15-24页 |
| ·优化问题 | 第15-17页 |
| ·进化算法 | 第17-21页 |
| ·遗传算法 | 第18-19页 |
| ·遗传规划 | 第19页 |
| ·进化策略 | 第19-20页 |
| ·进化规划 | 第20-21页 |
| ·智能优化算法 | 第21-22页 |
| ·群体多样性 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 粒子群和人工蜂群算法简介 | 第24-36页 |
| ·粒子群算法 | 第24-29页 |
| ·粒子群算法原理 | 第24-25页 |
| ·粒子群算法流程 | 第25-26页 |
| ·粒子群算法参数分析 | 第26-27页 |
| ·改进的粒子群算法 | 第27-29页 |
| ·人工蜂群算法 | 第29-35页 |
| ·人工蜂群算法的生物学基础 | 第29-31页 |
| ·人工蜂群算法的基本原理 | 第31-32页 |
| ·人工蜂群算法的算法流程 | 第32-34页 |
| ·人工蜂群算法的参数选择 | 第34页 |
| ·人工蜂群算法的特点 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 改进的粒子群算法 | 第36-46页 |
| ·引言 | 第36页 |
| ·FAPSO 算法原理 | 第36-38页 |
| ·FAPSO 算法流程 | 第38-39页 |
| ·仿真实验 | 第39-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 ABC 和 PSO 交互学习的混合算法 | 第46-53页 |
| ·引言 | 第46页 |
| ·ABC-PSO 算法原理 | 第46-47页 |
| ·ABC-PSO 算法流程 | 第47-48页 |
| ·仿真实验 | 第48-49页 |
| ·实验结果与分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 共享个体的 ABC 和 PSO 混合算法及应用 | 第53-63页 |
| ·引言 | 第53页 |
| ·PABC 算法 | 第53-60页 |
| ·PABC 算法原理 | 第53-54页 |
| ·PABC 算法流程 | 第54-55页 |
| ·仿真实验 | 第55-56页 |
| ·实验结果及分析 | 第56-60页 |
| ·PABC 算法在无线传感器网络中的应用 | 第60-62页 |
| ·问题描述 | 第60页 |
| ·仿真设置 | 第60-61页 |
| ·实验结果与分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第7章 总结与展望 | 第63-65页 |
| ·全文总结 | 第63-64页 |
| ·研究展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 发表论文和参加科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |