| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-18页 |
| ·动态优化问题的定义及其特点 | 第6-7页 |
| ·动态优化算法的分类 | 第7-9页 |
| ·常用的动态测试函数及算法评价方法介绍 | 第9-12页 |
| ·基于演化算法的动态优化方法的研究现状及其存在的主要问题 | 第12-15页 |
| ·基于遗传算法的动态优化方法研究 | 第12-13页 |
| ·基于粒子群优化算法的动态优化算法研究 | 第13-14页 |
| ·其他演化类动态优化方法介绍 | 第14页 |
| ·动态优化方法主要存在的几个问题 | 第14-15页 |
| ·本文主要研究内容及主要创新之处 | 第15-16页 |
| ·本文组织结构 | 第16-18页 |
| 第二章 一种双吸引子多群体动态PSO 算法--BMPSO | 第18-30页 |
| ·标准PSO 算法历史回顾 | 第18-19页 |
| ·多群体策略与MPSO 算法 | 第19-21页 |
| ·双吸引子多群体粒子群算法（BMPSO）原理 | 第21-23页 |
| ·实验分析 | 第23-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 一种带记忆策略的多群体动态PSO 算法 | 第30-40页 |
| ·算法原理与描述 | 第30-34页 |
| ·信息保存 | 第31页 |
| ·记忆存储单元的更新 | 第31-32页 |
| ·环境评估 | 第32页 |
| ·新粒子生成及粒子更新 | 第32-34页 |
| ·实验分析 | 第34-39页 |
| ·周期性MPB 测试问题与周期性动态环境生成方法 | 第34-35页 |
| ·实验参数设置 | 第35页 |
| ·MMPSO 算法在周期性MPB 问题上的性能分析 | 第35-37页 |
| ·MMPSO 算法与MQSO 算法在不同环境变化频率情况性能对比 | 第37-38页 |
| ·参数选择对算法性能的影响 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 记忆策略的实验分析 | 第40-49页 |
| ·PBIL 算法 | 第40-42页 |
| ·记忆策略在PBIL 算法中的应用—MPBIL | 第42-43页 |
| ·介绍 | 第42-43页 |
| ·PBIL 与MPBIL 对比实验分析 | 第43-47页 |
| ·MPBIL 算法与PBIL 算法实验对比分析 | 第43-46页 |
| ·MDBPIL 算法与DPBIL 算法实验对比分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 动态优化算法在动态软硬件划分问题中的应用 | 第49-58页 |
| ·软硬件划分问题介绍及其存在的困难 | 第49-50页 |
| ·动态软硬件划分的数学建模 | 第50-51页 |
| ·MPBIL 算法在动态软硬件划分上的应用 | 第51-53页 |
| ·实验分析 | 第53-56页 |
| ·变化任务节点参数情况下的实验分析 | 第53-54页 |
| ·变化约束参数情况下的对比实验分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-59页 |
| ·本文的主要工作 | 第58页 |
| ·进一步研究 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间所发表的论文 | 第64页 |
