| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 绪论 | 第6-16页 |
| 1.1 群体智能综述 | 第6-8页 |
| 1.1.1 群体智能概念与特点 | 第6-7页 |
| 1.1.2 群体智能优化算法的分类 | 第7-8页 |
| 1.2 研究意义及研究现状 | 第8-10页 |
| 1.2.1 研究意义 | 第8-9页 |
| 1.2.2 国内外研究现状 | 第9-10页 |
| 1.3 常见的PSO算法的改进策略 | 第10-14页 |
| 1.3.1 带惯性权重的PSO算法 | 第10-12页 |
| 1.3.2 带收缩因子的PSO算法 | 第12-13页 |
| 1.3.3 带惯性权重PSO算法和带收缩因子PSO算法的比较 | 第13页 |
| 1.3.4 基于遗传思想的PSO算法 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 基本理论 | 第16-22页 |
| 2.1 模糊推理 | 第16-17页 |
| 2.2 计算智能方法的性能评价 | 第17-18页 |
| 2.2.1 概率分析 | 第17页 |
| 2.2.2 大规模计算分析 | 第17-18页 |
| 2.3 基本粒子群优化算法 | 第18-20页 |
| 2.3.1 算法原理 | 第18页 |
| 2.3.2 数学表示 | 第18-19页 |
| 2.3.3 粒子群算法步骤 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 基于TS模糊推理的自适应量子行为粒子群优化算法 | 第22-30页 |
| 3.1 标准QPSO算法 | 第22页 |
| 3.2 基于TS模糊推理的QPSO算法 | 第22-24页 |
| 3.2.1 TS模糊推理 | 第22-23页 |
| 3.2.2 基于TS模糊推理的量子行为粒子群优化算法 | 第23-24页 |
| 3.3 试验结果与分析 | 第24-29页 |
| 3.3.1 测试算例与算法参数设置 | 第24-25页 |
| 3.3.2 对比测试 | 第25-29页 |
| 3.3.3 结果分析 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 动态惯性权重的收缩扩张粒子群优化算法 | 第30-38页 |
| 4.1 ARPSO算法 | 第30页 |
| 4.2 DARPSO算法 | 第30-32页 |
| 4.3 算法测试及评价 | 第32-35页 |
| 4.3.1 试验结果 | 第32-33页 |
| 4.3.2 算法评价 | 第33-35页 |
| 4.4 AQPSO算法与DARPSO算法的比较 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 结论与展望 | 第38-40页 |
| 5.1 总结 | 第38页 |
| 5.2 展望 | 第38-40页 |
| 参考文献 | 第40-43页 |
| 攻读学位期间的研究成果 | 第43-44页 |
| 致谢 | 第44-45页 |
