| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-13页 |
| 第一章 前言 | 第13-19页 |
| ·研究背景 | 第13-14页 |
| ·研究动机 | 第14-16页 |
| ·本文的创新性工作 | 第16-17页 |
| ·论文内容介绍 | 第17-19页 |
| 第二章 群体智能 | 第19-33页 |
| ·群体智能方法 | 第22-29页 |
| ·蚁群算法ACO | 第22-23页 |
| ·粒子群算法PSO | 第23-27页 |
| ·人工鱼群算法AFSA | 第27-29页 |
| ·与群体智能相关的几个论题 | 第29-33页 |
| ·还原论的局限 | 第29页 |
| ·自组织现象、涌现与复杂系统 | 第29-32页 |
| ·人工生命 | 第32-33页 |
| 第三章 粒子群优化算法 | 第33-49页 |
| ·PSO算法的发展 | 第33-35页 |
| ·原始的PSO | 第33页 |
| ·标准的PSO | 第33-34页 |
| ·带收缩因子的PSO | 第34-35页 |
| ·规范的PSO | 第35页 |
| ·其他的变形PSO算法 | 第35页 |
| ·规范PSO的参数设置 | 第35-42页 |
| ·实验设计 | 第36页 |
| ·实验实现 | 第36-40页 |
| ·结果 | 第40-41页 |
| ·结论 | 第41-42页 |
| ·研究与应用现状 | 第42-49页 |
| 第四章 PSO系统收敛性分析 | 第49-65页 |
| ·粒子轨迹与收敛行为分析 | 第49-55页 |
| ·收敛行为 | 第51-53页 |
| ·原始PSO的收敛性 | 第53-54页 |
| ·收敛的PSO参数 | 第54-55页 |
| ·基于随机过程的PSO收敛性分析 | 第55-65页 |
| 第五章 基于小世界网络的动态邻域PSO算法 | 第65-75页 |
| ·复杂网络 | 第67-73页 |
| ·概念 | 第67-68页 |
| ·特征 | 第68-69页 |
| ·小世界效应与无标度性 | 第69-70页 |
| ·小世界网络的生成方法 | 第70-71页 |
| ·小世界网络的统计特性 | 第71-73页 |
| ·基于小世界网络的动态邻域PSO算法 | 第73-75页 |
| 第六章 实验设计及结果 | 第75-103页 |
| ·实验一:更新邻域的间隔迭代次数m | 第77-86页 |
| ·实验二:重连/边增加概率p | 第86-95页 |
| ·实验三:初始规则网络的阶次K | 第95-97页 |
| ·实验四:在benchmark函数上与其他PSO算法的性能比较 | 第97-103页 |
| 第七章 总结 | 第103-107页 |
| ·研究工作总结 | 第103-105页 |
| ·未来工作计划与研究方向 | 第105-107页 |
| 参考文献 | 第107-119页 |
| 攻博期间发表的论文 | 第119-120页 |
| 致谢 | 第120-121页 |