| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·引言 | 第11-12页 |
| ·群智能算法研究和发展现状 | 第12-18页 |
| ·蚁群算法 | 第12-13页 |
| ·蜂群算法 | 第13-15页 |
| ·人工鱼群算法 | 第15-17页 |
| ·粒子群算法 | 第17-18页 |
| ·群智能算法总结与展望 | 第18页 |
| ·论文的研究内容及结构安排 | 第18-20页 |
| 第2章 粒子群算法 | 第20-28页 |
| ·引言 | 第20页 |
| ·粒子群算法的基本原理 | 第20-23页 |
| ·粒子群算法基本原理 | 第20-22页 |
| ·粒子群算法的流程 | 第22-23页 |
| ·粒子群算法的发展与改进 | 第23-26页 |
| ·粒子群算法参数改进 | 第24-25页 |
| ·粒子群算法拓扑改进 | 第25页 |
| ·粒子群算法混合算法 | 第25-26页 |
| ·粒子群算法的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 自适应指导的文化粒子群算法 | 第28-44页 |
| ·引言 | 第28页 |
| ·自适应指导的文化粒子群算法基本原理 | 第28-34页 |
| ·文化算法的基本思想 | 第28-30页 |
| ·自适应指导的文化粒子群算法基本原理 | 第30-34页 |
| ·自适应指导文化粒子群算法的实现 | 第34-36页 |
| ·基本步骤 | 第34-35页 |
| ·流程图 | 第35-36页 |
| ·实验结果与分析 | 第36-43页 |
| ·实验设置 | 第36-38页 |
| ·实验结果 | 第38-42页 |
| ·实验分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 蜜蜂进化型粒子群算法 | 第44-56页 |
| ·引言 | 第44页 |
| ·蜜蜂进化型遗传算法理论和描述 | 第44-46页 |
| ·蜜蜂进化型粒子群算法基本原理 | 第46-47页 |
| ·算法的实现 | 第47-49页 |
| ·算法的基本步骤 | 第47-48页 |
| ·流程图 | 第48-49页 |
| ·实验结果与分析 | 第49-54页 |
| ·实验设置 | 第49页 |
| ·实验结果 | 第49-54页 |
| ·实验分析 | 第54页 |
| ·本章小结 | 第54-56页 |
| 第5章 混合策略粒子群算法应用于训练神经网络 | 第56-72页 |
| ·引言 | 第56页 |
| ·神经网络介绍 | 第56-62页 |
| ·神经网络理论介绍 | 第56-58页 |
| ·神经网络结构 | 第58-59页 |
| ·神经网络的学习 | 第59-60页 |
| ·BP神经网络学习算法描述 | 第60-62页 |
| ·基于AG-CPSO算法和BEPSO算法的神经网络训练 | 第62-66页 |
| ·训练算法描述 | 第62-63页 |
| ·基于AG-CPSO算法训练神经网络的步骤和流程 | 第63-65页 |
| ·基于BEPSO算法训练神经网络的步骤和流程 | 第65-66页 |
| ·实验设置与分析 | 第66-71页 |
| ·实验设置 | 第66-68页 |
| ·实验结果 | 第68-70页 |
| ·实验分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |