| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与分析 | 第10-14页 |
| 1.3 本文研究思路和研究内容 | 第14-15页 |
| 1.4 本文章节安排 | 第15-16页 |
| 2 算法研究基础 | 第16-31页 |
| 2.1 优化算法的理论基础 | 第16-18页 |
| 2.2 基本粒子群算法 | 第18-21页 |
| 2.2.1 粒子群优化算法 | 第18-20页 |
| 2.2.2 基本粒子群算法分析 | 第20-21页 |
| 2.3 常见的改进粒子群算法 | 第21-26页 |
| 2.3.1 自适应调节惯性权重的粒子群算法(APSO) | 第21-22页 |
| 2.3.2 带收缩因子的粒子群算法(CPSO) | 第22-23页 |
| 2.3.3 一种调节种群多样性的粒子群优化算法(ARPSO) | 第23-25页 |
| 2.3.4 被动聚集的粒子群优化算法(PSOPC) | 第25-26页 |
| 2.4 自适应矩估计算法 | 第26-28页 |
| 2.5 非精确一维搜索算法 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 基于自适应矩估计的粒子群优化算法 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 基于自适应矩估计的粒子群优化算法 | 第32-35页 |
| 3.2.1 算法思路及步骤 | 第32-34页 |
| 3.2.2 算法分析 | 第34-35页 |
| 3.3 实验结果及讨论 | 第35-43页 |
| 3.3.1 测试函数 | 第35-37页 |
| 3.3.2 参数设置 | 第37页 |
| 3.3.3 实验结果及讨论 | 第37-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 基于非精确一维搜索和自适应矩估计的粒子群优化算法 | 第45-60页 |
| 4.1 引言 | 第45页 |
| 4.2 基于共轭梯度的非精确一维搜索 | 第45-47页 |
| 4.2.1 共轭梯度法 | 第45-46页 |
| 4.2.2 基于共轭梯度法的非精确一维搜索 | 第46-47页 |
| 4.3 基于非精确一维搜索和自适应矩估计的粒子群优化算法 | 第47-49页 |
| 4.4 算法性能分析 | 第49-51页 |
| 4.5 实验结果及讨论 | 第51-58页 |
| 4.5.1 与基本粒子群优化算法比较 | 第52-54页 |
| 4.5.2 与其他双重搜索的粒子群优化算法比较 | 第54-55页 |
| 4.5.3 与其他群体智能优化算法比较 | 第55-58页 |
| 4.6 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 硕士期间发表的论文以及参加的科研项目 | 第70页 |
