| 中文摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 智能算法概述 | 第9-11页 |
| 1.2 几种智能算法性能比较 | 第11页 |
| 1.3 粒子群优化算法研究现状 | 第11-13页 |
| 1.3.1 国内研究现状 | 第11-12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.4 研究内容及组织安排 | 第13-14页 |
| 第2章 研究基础 | 第14-20页 |
| 2.1 粒子群算法 | 第14-16页 |
| 2.1.1 粒子群算法起源 | 第14-15页 |
| 2.1.2 粒子群算法的基本原理 | 第15-16页 |
| 2.1.3 粒子群算法的基本流程 | 第16页 |
| 2.1.4 粒子群算法的主要特点 | 第16页 |
| 2.2 差分进化算法 | 第16-19页 |
| 2.2.1 差分进化算法起源 | 第16-17页 |
| 2.2.2 差分进化算法基本原理 | 第17页 |
| 2.2.3 差分进化算法的流程 | 第17-18页 |
| 2.2.4 差分进化算法流程图 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 粒子群算法的改进策略 | 第20-26页 |
| 3.1 算法改进需要 | 第20页 |
| 3.2 提高种群多样性的改进策略 | 第20-21页 |
| 3.2.1 免疫PSO模型 | 第20-21页 |
| 3.2.2 基于达尔文进化思想的DPSO模型 | 第21页 |
| 3.3 算法收敛速度的改进 | 第21-22页 |
| 3.3.1 选择操作的混合PSO | 第21-22页 |
| 3.3.2 交叉操作的混合PSO | 第22页 |
| 3.4 针对粒子停滞所做出的改进 | 第22-25页 |
| 3.4.1 拉伸技术(Stretching technique)的SPSO模型 | 第22-23页 |
| 3.4.2 检测到算法停滞后的处理方法 | 第23-25页 |
| 3.5 其它改进的粒子群优化算法 | 第25页 |
| 3.5.1 混沌PSO(Chaos PSO)模型 | 第25页 |
| 3.5.2 离散二进制PSO模型 | 第25页 |
| 3.6 本章小结 | 第25-26页 |
| 第4章 自适应差分粒子群算法EPH | 第26-36页 |
| 4.1 差分进化算法特点 | 第26-28页 |
| 4.2 简化粒子群优化算法 | 第28页 |
| 4.3 改进的粒子群优化算法 | 第28-31页 |
| 4.3.1 寻找局部极值粒子 | 第29-30页 |
| 4.3.2 寻找惰性粒子 | 第30-31页 |
| 4.3.3 对差分进化种群进行变异交叉操作 | 第31页 |
| 4.4 算法流程 | 第31-32页 |
| 4.5 仿真实验及结果分析 | 第32-35页 |
| 4.5.1 测试函数 | 第32-34页 |
| 4.5.2 实验环境和设置 | 第34页 |
| 4.5.3 实验结果与分析 | 第34-35页 |
| 4.6 本章小结 | 第35-36页 |
| 第5章 粒子群算法在多目标优化问题中的应用 | 第36-46页 |
| 5.1 多目标优化问题概述 | 第36-41页 |
| 5.1.1 多目标问题的基本概念 | 第36-38页 |
| 5.1.2 传统的多目标优化方法 | 第38-40页 |
| 5.1.3 进化算法与多目标优化 | 第40-41页 |
| 5.2 多目标粒子群算法 | 第41-43页 |
| 5.2.1 算法概述 | 第41-42页 |
| 5.2.2 单目标粒子群与多目标粒子群算法的区别 | 第42页 |
| 5.2.3 多目标粒子群算法个体和全局极值选择方法 | 第42-43页 |
| 5.2.4 算法流程 | 第43页 |
| 5.3 仿真实验及结果分析 | 第43-45页 |
| 5.3.1 测试函数 | 第43-44页 |
| 5.3.2 实验环境和设置 | 第44页 |
| 5.3.3 实验结果与分析 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |