| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| ·最优化问题及其求解 | 第10-11页 |
| ·进化计算简介 | 第11-13页 |
| ·遗传算法 | 第11-12页 |
| ·遗传规划 | 第12页 |
| ·进化策略 | 第12-13页 |
| ·进化规划 | 第13页 |
| ·群体智能算法概况 | 第13-14页 |
| ·粒子群算法的起源和发展 | 第14-16页 |
| ·本文的研究目的和内容 | 第16-18页 |
| 第二章 量子行为粒子群优化算法的基本原理 | 第18-39页 |
| ·引言 | 第18页 |
| ·粒子群优化算法 | 第18-21页 |
| ·基本粒子群算法 | 第18-20页 |
| ·带惯性权重w的粒子群算法 | 第20页 |
| ·带收缩因子x的粒子群算法 | 第20-21页 |
| ·量子行为粒子群算法的基本模型 | 第21-28页 |
| ·思想来源 | 第21-22页 |
| ·δ势阱模型的建立 | 第22-24页 |
| ·粒子的基本进化方程 | 第24-25页 |
| ·δ势阱模型与其它模型的比较 | 第25-26页 |
| ·粒子收敛的基本条件 | 第26-28页 |
| ·量子行为粒子群优化算法 | 第28-36页 |
| ·粒子的基本进化方程 | 第28-30页 |
| ·两种搜索迭代策略 | 第30-31页 |
| ·算法的流程 | 第31-32页 |
| ·粒子收敛性条件的仿真测试 | 第32-36页 |
| ·粒子的等待效应 | 第36-37页 |
| ·量子行为粒子群优化的社会学习模式 | 第37-38页 |
| ·粒子群算法的学习模式 | 第37页 |
| ·QPSO算法的学习模式 | 第37-38页 |
| ·PSO算法和QPSO算法的比较 | 第38页 |
| ·本章小节 | 第38-39页 |
| 第三章 量子行为粒子群优化算法的收敛性分析 | 第39-56页 |
| ·QPSO算法全局收敛性的概率分析 | 第39-44页 |
| ·全局收敛性准则 | 第39-41页 |
| ·局部收敛性准则 | 第41-42页 |
| ·QPSO算法的全局收敛性 | 第42-44页 |
| ·QPSO算法的马氏过程分析 | 第44-49页 |
| ·离散马氏过程 | 第44-45页 |
| ·随机算法的理论框架 | 第45-46页 |
| ·随机算法的收敛性定理 | 第46-47页 |
| ·QPSO算法的收敛性 | 第47-49页 |
| ·概率度量空间中QPSO算法的不动点定理 | 第49-55页 |
| ·概率度量空间 | 第49-52页 |
| ·概率度量空间中的压缩映像定理 | 第52-53页 |
| ·QPSO算法的不动点定理 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 参数控制与标准测试函数仿真测试 | 第56-73页 |
| ·引言 | 第56页 |
| ·标准测试函数 | 第56-59页 |
| ·实验设置 | 第59-60页 |
| ·不同参数控制策略下测试结果与分析性 | 第60-72页 |
| ·参数固定的控制策略 | 第60-64页 |
| ·参数线性递减的控制策略 | 第64-72页 |
| ·本章小节 | 第72-73页 |
| 第五章 几种改进的量子行为粒子群优化算法 | 第73-93页 |
| ·引言 | 第73页 |
| ·基于混合概率分布的QPSO | 第73-77页 |
| ·算法思想 | 第73-74页 |
| ·测试函数仿真结果 | 第74-77页 |
| ·二进制编码的QPSO算法 | 第77-82页 |
| ·二进制PSO算法简介 | 第77页 |
| ·二进制QPSO算法 | 第77-80页 |
| ·仿真实验 | 第80-82页 |
| ·多样性控制的QPSO算法 | 第82-88页 |
| ·多样性控制的基本思想 | 第82-83页 |
| ·多样性的度量 | 第83页 |
| ·多样性控制的QPSO算法(1) | 第83-86页 |
| ·多样性控制的QPSO算法(2) | 第86-88页 |
| ·基于选择操作的QPSO算法 | 第88-92页 |
| ·算法思想 | 第88-89页 |
| ·仿真结果 | 第89-92页 |
| ·本章小结 | 第92-93页 |
| 第六章 量子行为粒子群优化算法的应用研究 | 第93-118页 |
| ·QPSO算法在电力系统调度中的应用 | 第93-98页 |
| ·引言 | 第93页 |
| ·ED问题的数学描述 | 第93-94页 |
| ·仿真实例 | 第94-98页 |
| ·QPSO算法在随机规划中的应用 | 第98-105页 |
| ·引言 | 第98-99页 |
| ·多阶段投资优化模型 | 第99-101页 |
| ·基于QPSO算法的投资组合优化 | 第101-105页 |
| ·基于QPSO算法的系统辨识 | 第105-112页 |
| ·引言 | 第105-106页 |
| ·二维IIR系统 | 第106-107页 |
| ·二维IIR数字滤波器的优化设计 | 第107-108页 |
| ·基于QPSO算法的二维IIR数字滤波器优化设计 | 第108-109页 |
| ·实例仿真 | 第109-112页 |
| ·基于QPSO算法的H∞控制 | 第112-117页 |
| ·引言 | 第112页 |
| ·H∞优化控制的数学模型 | 第112-113页 |
| ·实例仿真 | 第113-117页 |
| ·本章小结 | 第117-118页 |
| 第七章 结论与展望 | 第118-120页 |
| 致谢 | 第120-121页 |
| 参考文献 | 第121-128页 |
| 附录: 作者在攻读博士学位期间完成论文、成果和参加科研项目 | 第128-129页 |