| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第11-16页 |
| 1.1 选题意义 | 第11页 |
| 1.2 PSO的国内外研究概况 | 第11-14页 |
| 1.3 本论文的研究内容及结构 | 第14-16页 |
| 1.3.1 本论文的研究内容 | 第14页 |
| 1.3.2 本文的主要结构安排 | 第14-16页 |
| 2 预备知识 | 第16-27页 |
| 2.1 标准粒子群算法 | 第16-18页 |
| 2.2 标准粒子群算法收敛性分析的方法 | 第18-22页 |
| 2.2.1 基于随机过程论分析标准粒子群算法收敛性 | 第18-19页 |
| 2.2.2 基于差分方程理论分析标准粒子群算法收敛性 | 第19-21页 |
| 2.2.3 基于动态系统理论分析标准粒子群算法收敛性 | 第21-22页 |
| 2.3 几种改进粒子群算法 | 第22-27页 |
| 2.3.1 改进粒子群算法进行全局优化 | 第22-23页 |
| 2.3.2 具有自适应惯性权重的新型粒子群优化算法 | 第23-25页 |
| 2.3.3 基于全局优化问题种群成功率的改进粒子群算法 | 第25-27页 |
| 3 标准粒子群算法的收敛性分析 | 第27-39页 |
| 3.1 概率密度函数 | 第27-31页 |
| 3.2 收敛性分析 | 第31-38页 |
| 3.2.1 定义与符号 | 第31-33页 |
| 3.2.2 收敛性证明 | 第33-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 依概率收敛的粒子群算法和数值仿真 | 第39-49页 |
| 4.1 依概率收敛的粒子群算法 | 第39-41页 |
| 4.2 依概率收敛的粒子群算法收敛性分析 | 第41-42页 |
| 4.3 数值仿真 | 第42-48页 |
| 4.3.1 基准函数 | 第42-44页 |
| 4.3.2 与其他算法的比较 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
