| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-31页 |
| 1．1 引言 | 第12页 |
| 1．2 优化问题简介 | 第12-13页 |
| 1．3 优化问题数学模型的建立 | 第13-14页 |
| 1．4 优化问题的分类 | 第14-15页 |
| 1．5 凸集与凸函数 | 第15页 |
| 1．6 局部最优与全局最优 | 第15-17页 |
| 1．7 全局优化问题的特点与困难 | 第17-22页 |
| 1．7．1 优化方法的演变与发展 | 第17-18页 |
| 1．7．2 全局优化问题的描述及其一般性质 | 第18-21页 |
| 1．7．3 启发式方法 | 第21-22页 |
| 1．8 群集智能 | 第22页 |
| 1．9 蚁群算法 | 第22-24页 |
| 1．10 粒子群优化算法 | 第24-28页 |
| 1．11 本文的主要成果 | 第28-29页 |
| 1．12 本文的组织结构 | 第29-31页 |
| 第二章 基本粒子群优化算法 | 第31-56页 |
| 2．1 粒子群优化算法简介 | 第31-32页 |
| 2．2 粒子群优化算法的来源及背景 | 第32-34页 |
| 2．2．1 动物群体行为的类比 | 第32页 |
| 2．2．2 基本模型 | 第32-34页 |
| 2．3 PSO的一般数学表述及算法的步骤 | 第34-35页 |
| 2．4 PSO的拓扑结构和邻域结构 | 第35-40页 |
| 2．4．1 影响拓扑结构的主要因素 | 第36页 |
| 2．4．2 邻域结构和迭代式之间的对应关系 | 第36页 |
| 2．4．3 几种典型的拓扑结构 | 第36-38页 |
| 2．4．4 不同拓扑结构的效果比较 | 第38-40页 |
| 2．5 惯性权系数的引入 | 第40页 |
| 2．6 粒子的行为分析 | 第40-44页 |
| 2．6．1 粒子的轨迹分析 | 第40-43页 |
| 2．6．2 粒子的步长分析 | 第43-44页 |
| 2．7 扩展的粒子群优化算法 | 第44-56页 |
| 2．7．1 基本算法的显式解 | 第44-46页 |
| 2．7．2 扩展的一般算法表达形式 | 第46-48页 |
| 2．7．3 扩展的一般算法分析 | 第48-51页 |
| 2．7．4 扩展的一般算法实例 | 第51-52页 |
| 2．7．5 改进的一般算法 | 第52-56页 |
| 第三章 粒子群优化算法的改进 | 第56-77页 |
| 3．1 粒子群优化算法的缺陷及改进策略 | 第56-57页 |
| 3．2 无约束测试函数 | 第57-62页 |
| 3．3 粒子群优化算法参数的优化 | 第62-63页 |
| 3．4 复合粒子群优化算法 | 第63-65页 |
| 3．5 复合粒子群优化算法的效果测试 | 第65-66页 |
| 3．6 嵌入梯度算法的混合粒子群优化算法 | 第66-67页 |
| 3．7 混合优化算法步骤 | 第67-68页 |
| 3．8 混合优化算法效果分析 | 第68页 |
| 3．9 基于旋转曲面变换的粒子群优化算法 | 第68-73页 |
| 3．9．1 原理 | 第68-69页 |
| 3．9．2 旋转曲面变换 | 第69-71页 |
| 3．9．3 参数的确定 | 第71-72页 |
| 3．9．4 粒子到达边界的处理 | 第72-73页 |
| 3．10 实验及讨论 | 第73-76页 |
| 3．11 结论 | 第76-77页 |
| 第四章 基于热力学类比的粒子群优化算法分析与改进 | 第77-98页 |
| 4．1 粒子群优化算法的机理分析 | 第77-78页 |
| 4．2 Markov过程对应的Fokker-Planck方程 | 第78-82页 |
| 4．2．1 Markov过程的KM展开 | 第78-79页 |
| 4．2．2 多元 LE和多元 FPE的对应关系 | 第79-80页 |
| 4．2．3 多元 LE和多元 FPE系数的对应关系 | 第80-81页 |
| 4．2．4 Fokker-Planck方程的定态解及其满足的条件 | 第81-82页 |
| 4．3 基于 Fokker-Planck方程的基本 PSO方法机理分析 | 第82-85页 |
| 4．4 FPE解的分析 | 第85-88页 |
| 4．4．1 理论分析 | 第85-86页 |
| 4．4．2 经验分析 | 第86-88页 |
| 4．5 基于心amers方程的退火优化算法 | 第88-91页 |
| 4．5．1 外力驱动下布朗粒子的运动 | 第88-90页 |
| 4．5．2 退火优化算法 | 第90-91页 |
| 4．6 基于 FP方程的超粒子群算法 | 第91-95页 |
| 4．6．1 算法设计 | 第91-94页 |
| 4．6．2 收敛速度与粒子数的关系 | 第94-95页 |
| 4．6．3 算法的步骤 | 第95页 |
| 4．7 实验及讨论 | 第95-98页 |
| 第五章 粒子群优化算法的应用 | 第98-118页 |
| 5．1 引言 | 第98页 |
| 5．2 Markov随机场的参数估计问题 | 第98-104页 |
| 5．2．1 问题简介 | 第98-99页 |
| 5．2．2 Gibbs-Markov随机场模型及拟似然估计 | 第99-101页 |
| 5．2．3 仿真实验 | 第101-104页 |
| 5．2．4 结论 | 第104页 |
| 5．3 优化控制问题 | 第104-111页 |
| 5．3．1 优化控制问题的表达和解法 | 第104-105页 |
| 5．3．2 系统方程和目标泛函的离散化 | 第105-106页 |
| 5．3．3 轮船渡河问题 | 第106-108页 |
| 5．3．4 问题的离散化 | 第108-109页 |
| 5．3．5 仿真计算实验 | 第109-110页 |
| 5．3．6 结论 | 第110-111页 |
| 5．4 胺类有机物毒性分类问题 | 第111-118页 |
| 5．4．1 引言 | 第111页 |
| 5．4．2 胺类有机物毒性的 QSAR问题 | 第111-113页 |
| 5．4．3 前馈神经网络 | 第113-114页 |
| 5．4．4 样本的使用 | 第114-115页 |
| 5．4．5 适应值函数 | 第115页 |
| 5．4．6 算法的步骤 | 第115页 |
| 5．4．7 结果和讨论 | 第115-118页 |
| 第六章 结论与展望 | 第118-121页 |
| 6．1 总结 | 第118页 |
| 6．2 未来研究的展望 | 第118-121页 |
| 参考文献 | 第121-134页 |
| 致谢 | 第134-135页 |
| 作者攻读博士期间撰写的论文 | 第135页 |
