| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·粒子群优化算法的研究目的和意义 | 第11页 |
| ·研究的基础 | 第11-14页 |
| ·进化计算理论 | 第12-13页 |
| ·人工生命计算理论 | 第13页 |
| ·群集智能理论 | 第13-14页 |
| ·粒子群优化算法的研究现状 | 第14-16页 |
| ·理论研究现状 | 第14-15页 |
| ·应用研究现状 | 第15-16页 |
| ·粒子群优化算法的应用 | 第16-17页 |
| ·神经网络训练 | 第16页 |
| ·函数优化 | 第16页 |
| ·其他应用 | 第16-17页 |
| ·论文的结构安排 | 第17-19页 |
| 第二章 粒子群优化算法 | 第19-30页 |
| ·基本粒子群优化算法 | 第19-24页 |
| ·基本理论 | 第19-20页 |
| ·算法流程 | 第20-22页 |
| ·全局模式与局部模式 | 第22-23页 |
| ·同步模式与异步模式 | 第23-24页 |
| ·标准粒子群优化算法 | 第24-26页 |
| ·惯性权重 | 第24-25页 |
| ·压缩因子 | 第25-26页 |
| ·算法分析 | 第26-29页 |
| ·参数分析 | 第26-28页 |
| ·粒子群优化算法的特点 | 第28页 |
| ·与遗传算法的比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于粒子进化的多粒子群优化算法 | 第30-45页 |
| ·粒子群优化算法存在的问题 | 第30-33页 |
| ·粒子群优化算法的问题 | 第30-31页 |
| ·粒子群优化算法的改进分析 | 第31-33页 |
| ·基于粒子进化的多粒子群优化算法 | 第33-39页 |
| ·改进思路 | 第33-35页 |
| ·改进算法的原理 | 第35-36页 |
| ·算法的流程 | 第36-39页 |
| ·算法仿真及比较 | 第39-44页 |
| ·优化算法的测试 | 第39-40页 |
| ·实验方法及说明 | 第40-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于粒子进化的多粒子群算法在盲源分离中的应用 | 第45-65页 |
| ·盲源分离的基本理论 | 第45-47页 |
| ·盲源分离的定义 | 第45-46页 |
| ·盲源分离的条件 | 第46页 |
| ·盲源分离的不确定性 | 第46-47页 |
| ·盲源分离的一般研究方法 | 第47页 |
| ·线性瞬时混合盲源分离的基本模型 | 第47-49页 |
| ·独立分量分析 | 第49-51页 |
| ·数据预处理 | 第51-53页 |
| ·中心化 | 第51-52页 |
| ·白化 | 第52-53页 |
| ·分离标准 | 第53-55页 |
| ·基于分离矩阵的评价准则 | 第53-54页 |
| ·基于信号的评价准则 | 第54-55页 |
| ·基于粒子进化的多粒子群优化算法在盲源分离中的应用 | 第55-64页 |
| ·基于粒子进化的多粒子群优化算法的盲分离 | 第56-57页 |
| ·算法仿真及比较 | 第57-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于粒子进化的多粒子群优化算法在求解非线性方程组中的应用 | 第65-76页 |
| ·非线性方程组的求解方法 | 第65-66页 |
| ·基于粒子进化的多粒子群优化算法求解非线性方程组 | 第66-69页 |
| ·问题转化 | 第66-67页 |
| ·求解步骤 | 第67-68页 |
| ·算法参数设置 | 第68-69页 |
| ·非线性方程组求解的实现及分析 | 第69-74页 |
| ·本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-79页 |
| ·总结 | 第76-77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文目录 | 第84页 |
