| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 动态优化的基本概念 | 第10-12页 |
| 1.3 动态优化方法 | 第12-15页 |
| 1.3.1 间接方法 | 第12-13页 |
| 1.3.2 直接方法 | 第13-14页 |
| 1.3.3 智能优化方法 | 第14-15页 |
| 1.4 本文组织结构 | 第15-18页 |
| 第二章 基于控制向量参数化的智能动态优化方法 | 第18-22页 |
| 2.1 引言 | 第18页 |
| 2.2 控制向量参数化方法 | 第18-20页 |
| 2.3 基于控制向量参数化的智能动态优化方法框架 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 三种新型的智能动态优化方法 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 细菌觅食动态优化方法 | 第22-23页 |
| 3.2.1 趋化操作 | 第22-23页 |
| 3.2.2 繁殖和消亡操作 | 第23页 |
| 3.2.3 迁移操作 | 第23页 |
| 3.3 入侵杂草动态优化方法 | 第23-25页 |
| 3.3.1 入侵杂草优化算法基本原理 | 第24页 |
| 3.3.2 算法步骤 | 第24-25页 |
| 3.4 粒子群动态优化方法 | 第25-27页 |
| 3.4.1 粒子群优化算法基本原理 | 第26页 |
| 3.4.2 算法步骤 | 第26-27页 |
| 3.5 优化实例应用与分析 | 第27-31页 |
| 3.5.1 优化实例数学模型 | 第27-28页 |
| 3.5.2 结果与分析 | 第28-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于混合型智能的动态优化方法应用研究 | 第32-48页 |
| 4.1 引言 | 第32页 |
| 4.2 自适应粒子群算法 | 第32-36页 |
| 4.2.1 进化状态与进化因子 | 第33-35页 |
| 4.2.2 参数调整策略 | 第35-36页 |
| 4.3 差分搜索算法 | 第36-37页 |
| 4.3.1 初始位置产生 | 第36页 |
| 4.3.2 搜索策略 | 第36-37页 |
| 4.3.3 全局搜索与局部开拓的平衡 | 第37页 |
| 4.4 混合型智能优化算法 | 第37-39页 |
| 4.5 优化实例应用与分析 | 第39-44页 |
| 4.5.1 优化实例数学模型 | 第39-41页 |
| 4.5.2 结果与分析 | 第41-44页 |
| 4.6 算法性能比较 | 第44-46页 |
| 4.7 本章小结 | 第46-48页 |
| 第五章 基于多目标粒子群算法的动态优化方法应用研究 | 第48-64页 |
| 5.1 引言 | 第48页 |
| 5.2 多目标优化问题描述 | 第48-49页 |
| 5.3 状态约束处理方法 | 第49-50页 |
| 5.4 基于多目标粒子群算法的动态优化方法 | 第50-54页 |
| 5.4.1 多目标粒子群优化算法 | 第50-52页 |
| 5.4.2 改进策略 | 第52-53页 |
| 5.4.3 算法步骤 | 第53-54页 |
| 5.5 优化实例应用与分析 | 第54-58页 |
| 5.5.1 优化数学模型 | 第54-55页 |
| 5.5.2 结果与分析 | 第55-58页 |
| 5.6 算法性能比较 | 第58-61页 |
| 5.6.1 性能衡量指标 | 第58-59页 |
| 5.6.2 性能比较 | 第59-61页 |
| 5.7 本章小结 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64页 |
| 6.2 本文研究展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 英文缩略词 | 第72-74页 |
| 图索引 | 第74-76页 |
| 表索引 | 第76-78页 |
| 作者攻读硕士期间的主要成果 | 第78-80页 |
| 致谢 | 第80页 |