| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 智能优化算法简介 | 第11-14页 |
| 1.3 混合粒子群算法及其应用 | 第14-15页 |
| 1.4 本文主要研究内容与结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 粒子群优化算法及其研究进展 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 参数选择 | 第17-22页 |
| 2.2.1 种群大小 | 第17页 |
| 2.2.2 初始化方法 | 第17页 |
| 2.2.3 最大速度 | 第17-18页 |
| 2.2.4 惯性权重 | 第18页 |
| 2.2.5 自适应惯性权重 | 第18-19页 |
| 2.2.6 加速因子 | 第19-20页 |
| 2.2.7 自适应加速因子 | 第20页 |
| 2.2.8 自适应惯性权重和加速因子 | 第20-22页 |
| 2.3 拓扑结构 | 第22-24页 |
| 2.3.1 静态拓扑结构 | 第22页 |
| 2.3.2 动态拓扑结构 | 第22-24页 |
| 2.4 无参数粒子群算法 | 第24-26页 |
| 2.4.1 部落粒子群算法 | 第24-25页 |
| 2.4.2 无参收缩粒子群算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 多样性分布参数的粒子群算法及其应用 | 第27-49页 |
| 3.1 引言 | 第27页 |
| 3.2 DDPPSO算法流程 | 第27-30页 |
| 3.3 DDPPSO算法分析与参数选取 | 第30-32页 |
| 3.3.1 DDPPSO算法分析 | 第30页 |
| 3.3.2 控制参数选取 | 第30-32页 |
| 3.4 实验1结果及分析 | 第32-36页 |
| 3.4.1 标准测试函数 | 第32-33页 |
| 3.4.2 实验结果对比 | 第33-36页 |
| 3.5 实验2结果及分析 | 第36-38页 |
| 3.6 实验3结果及分析 | 第38-46页 |
| 3.6.1 标准测试函数 | 第38页 |
| 3.6.2 实验3结果对比 | 第38-46页 |
| 3.7 DDPPSO算法应用于生物反应器动态优化 | 第46-48页 |
| 3.7.1 Park-Ramirez生物反应器模型 | 第46页 |
| 3.7.2 动态优化问题求解步骤 | 第46-47页 |
| 3.7.3 Park-Ramirez生物反应器优化结果 | 第47-48页 |
| 3.8 本章小结 | 第48-49页 |
| 第4章 重心学习与参数反馈调节粒子群算法及其应用 | 第49-71页 |
| 4.1 引言 | 第49页 |
| 4.2 GLPFPSO算法流程 | 第49-51页 |
| 4.3 GLPFPSO算法分析与参数选取 | 第51-54页 |
| 4.3.1 GLPFPSO算法分析 | 第51-52页 |
| 4.3.2 控制参数选取 | 第52-54页 |
| 4.4 实验1结果及分析 | 第54-61页 |
| 4.4.1 标准测试函数 | 第54-57页 |
| 4.4.2 实验1结果对比 | 第57-61页 |
| 4.5 实验2结果及分析 | 第61-68页 |
| 4.5.1 标准测试函数 | 第61-62页 |
| 4.5.2 实验2结果对比 | 第62-68页 |
| 4.6 GLPFPSO算法应用于生物反应器动态优化 | 第68-70页 |
| 4.6.1 实例对象模型 | 第68页 |
| 4.6.2 动态优化求解步骤 | 第68-69页 |
| 4.6.3 实例结果及分析 | 第69-70页 |
| 4.7 本章小结 | 第70-71页 |
| 第5章 总结与展望 | 第71-72页 |
| 5.1 本文的主要工作总结 | 第71页 |
| 5.2 今后研究工作展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78页 |
