| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究的背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·粒子群算法在国际上的发展 | 第12-13页 |
| ·粒子群算法在国内的发展 | 第13-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 标准粒子群算法研究综述 | 第16-22页 |
| ·标准粒子群算法介绍 | 第16-17页 |
| ·粒子群算法的起源 | 第16-17页 |
| ·粒子群算法的原理 | 第17-22页 |
| ·原始的粒子群优化算法 | 第17-18页 |
| ·标准的粒子群优化算法 | 第18-19页 |
| ·标准粒子群算法的参数分析 | 第19-20页 |
| ·标准粒子群算法的流程及流程图 | 第20-22页 |
| 第3章 核心主子群粒子群优化算法的研究 | 第22-32页 |
| ·粒子群算法的缺陷综述 | 第22页 |
| ·粒子群算法容易陷入局部最优解 | 第22页 |
| ·核心主子群粒子群算法的研究 | 第22-25页 |
| ·基于岛屿模型的核心主子群粒子群算法 | 第22-24页 |
| ·双层局部模式在核心主子群粒子群算法中的应用 | 第24-25页 |
| ·算法的实现及实验 | 第25-32页 |
| ·实验测试函数介绍 | 第25-26页 |
| ·基于线性惯性权值ω的实现 | 第26页 |
| ·多线程的编程实现 | 第26-29页 |
| ·与标准粒子群算法实验结果比较 | 第29-30页 |
| ·与标准粒子群算法的适应度对比图 | 第30-31页 |
| ·与其他改进算法实验结果比较 | 第31页 |
| ·实验结果总结 | 第31-32页 |
| 第4章 多学习因子与核心主子群粒子群算法相结合的改进算法 | 第32-43页 |
| ·多学习因子与核心主子群粒子群算法相结合的算法原理 | 第32-33页 |
| ·算法的收敛性分析 | 第33-36页 |
| ·算法的实现与实验 | 第36-43页 |
| ·算法的流程 | 第36-37页 |
| ·测试函数在不同影响因子下的结果 | 第37-40页 |
| ·与标准粒子群算法的比较结果 | 第40-41页 |
| ·与标准粒子群算法的适应度对比图 | 第41-42页 |
| ·与其他算法的结果比较 | 第42页 |
| ·实验结论 | 第42-43页 |
| 第5章 粒子群优化算法在解方程组中的应用 | 第43-50页 |
| ·非线性方程组的求解方法 | 第43-44页 |
| ·非线性方程组的问题转化 | 第44-45页 |
| ·非线性方程组的求解步骤 | 第45页 |
| ·非线性方程组的求解实现 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 总结 | 第50页 |
| 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57-58页 |