| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·研究背景 | 第7-8页 |
| ·计算智能 | 第8-12页 |
| ·模拟人的思维的计算智能 | 第9-10页 |
| ·模拟生物活动或内在规律的计算智能 | 第10-12页 |
| ·模拟自然界的某种自然现象具有的计算智能 | 第12页 |
| ·仿人智能控制参数整定研究综述 | 第12-13页 |
| ·粒子群优化算法的展望 | 第13-14页 |
| ·本文拟要完成的工作 | 第14-16页 |
| 2 粒子群算法 | 第16-22页 |
| ·粒子群算法的提出 | 第16-18页 |
| ·基本粒子群算法的数学描述 | 第16-17页 |
| ·粒子群原型算法 | 第17页 |
| ·粒子群算法主要计算步骤如下: | 第17-18页 |
| ·粒子群算法和其它智能算法的比较 | 第18页 |
| ·粒子算法的几种典型模型及研究现状 | 第18-21页 |
| ·小结 | 第21-22页 |
| 3 粒子群算法的几种改进 | 第22-42页 |
| ·具有串行跟踪结构的粒子群算法 | 第22-25页 |
| ·串行跟踪结构的粒子群算法 | 第22-23页 |
| ·串行跟踪结构的粒子群算法计算步骤流程图 | 第23-24页 |
| ·仿真试验 | 第24-25页 |
| ·具有梯度思想的粒子群算法 | 第25-29页 |
| ·梯度思想的粒子群算法的提出 | 第25-26页 |
| ·梯度思想的粒子群算法的计算步骤流程图 | 第26-27页 |
| ·仿真试验 | 第27-29页 |
| ·具有双向信号传递方式的粒子群算法 | 第29-34页 |
| ·双向信号传递方式的粒子群算法 | 第29-31页 |
| ·具有双向信号传递方式的粒子群算法计算步骤流程图 | 第31-32页 |
| ·仿真试验 | 第32-34页 |
| ·动态改变跟踪对象的粒子群算法 | 第34-37页 |
| ·动态改变跟踪对象的粒子群算法 | 第34-35页 |
| ·动态改变跟踪对象的粒子群算法计算步骤流程图 | 第35页 |
| ·仿真试验 | 第35-37页 |
| ·具有“羊群效应”的粒子群算法 | 第37-40页 |
| ·“羊群效应”的粒子群算法的提出 | 第37-39页 |
| ·“羊群效应的粒子群算法计算步骤流程图 | 第39-40页 |
| ·仿真试验 | 第40页 |
| ·小结 | 第40-42页 |
| 4 粒子群算法在仿人智能控制器参数优化中的作用 | 第42-53页 |
| ·仿人智能控制理论的基本思想、研究方法 | 第42页 |
| ·仿人智能控制的几个基本概念 | 第42-45页 |
| ·特征模型 | 第42-43页 |
| ·特征辨识 | 第43页 |
| ·特征记忆 | 第43-44页 |
| ·控制（决策）模态集Ψ | 第44页 |
| ·启发与直觉推理规则集Ω | 第44-45页 |
| ·仿人智能控制器设计方法 | 第45-47页 |
| ·改进的粒子群算法在仿人智能控制器参数优化中的应用 | 第47-53页 |
| 5 结束语 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录：攻读硕士学位期间发表的论文 | 第57页 |