增强搜索能力的粒子群优化算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 粒子群算法的理论研究 | 第13-14页 |
| 1.2.2 粒子群算法的改进研究 | 第14-16页 |
| 1.2.3 粒子群算法的应用研究 | 第16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 本文章节安排 | 第16-17页 |
| 2 算法的研究理论基础 | 第17-32页 |
| 2.1 优化算法的基础概念 | 第17-20页 |
| 2.1.1 优化问题 | 第17页 |
| 2.1.2 优化方法 | 第17-18页 |
| 2.1.3 优化算法的研究准则 | 第18-20页 |
| 2.2 智能优化算法 | 第20-27页 |
| 2.2.1 自然进化算法 | 第20-21页 |
| 2.2.2 社会进化算法 | 第21-23页 |
| 2.2.3 生物智能算法 | 第23-24页 |
| 2.2.4 群智能优化算法 | 第24-25页 |
| 2.2.5 拟物智能算法 | 第25-27页 |
| 2.3 粒子群优化算法 | 第27-31页 |
| 2.3.1 算法的起源 | 第27页 |
| 2.3.2 算法的基本原理 | 第27-28页 |
| 2.3.3 算法的控制参数 | 第28-29页 |
| 2.3.4 算法流程 | 第29-30页 |
| 2.3.5 算法缺陷 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 增强全局和局部搜索能力的粒子群优化算法 | 第32-44页 |
| 3.1 算法思想 | 第32页 |
| 3.2 算法实现 | 第32-35页 |
| 3.3 测试实验 | 第35-42页 |
| 3.3.1 测试函数 | 第35-36页 |
| 3.3.2 算法参数设置 | 第36-37页 |
| 3.3.3 30 维测试函数对比 | 第37-41页 |
| 3.3.4 50 维函数对比 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 定向变异粒子群优化算法 | 第44-54页 |
| 4.1 算法思想 | 第44页 |
| 4.2 算法原理 | 第44-46页 |
| 4.3 测试实验 | 第46-52页 |
| 4.3.1 测试函数 | 第46-47页 |
| 4.3.2 参数设置 | 第47页 |
| 4.3.3 30 维函数测试结果对比 | 第47-50页 |
| 4.3.4 50 维函数测试结果对比 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 基于定向变异粒子群算法的PID参数调整 | 第54-61页 |
| 5.1 PID控制器的研究基础 | 第54页 |
| 5.2 PID控制器原理 | 第54-56页 |
| 5.3 基于DMPSO的PID参数整定 | 第56-58页 |
| 5.3.1 参数整定思想 | 第56页 |
| 5.3.2 PID参数的编码设计 | 第56-57页 |
| 5.3.3 参数整定步骤及流程 | 第57-58页 |
| 5.4 仿真及实验结果 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第68页 |
