| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·关于优化理论的基本概念 | 第9-11页 |
| ·优化问题的基本概念 | 第9-10页 |
| ·优化问题的数学模型 | 第10-11页 |
| ·粒子群优化研究背景和现状 | 第11-12页 |
| ·群智能算法 | 第11页 |
| ·粒子群算法 | 第11-12页 |
| ·论文内容与安排 | 第12-15页 |
| 第二章 粒子群算法及其理论基础 | 第15-21页 |
| ·基本粒子群优化算法 | 第15页 |
| ·算法流程 | 第15-16页 |
| ·算法特点 | 第16-17页 |
| ·几种改进算法 | 第17-19页 |
| ·带有惯性权重的粒子群优化算法 | 第17页 |
| ·带有收缩因子的粒子群优化算法 | 第17-18页 |
| ·协同粒子群优化算法 | 第18页 |
| ·混合粒子群优化算法 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 协同混沌粒子群算法及其函数优化 | 第21-35页 |
| ·混沌粒子群优化算法 | 第21-23页 |
| ·混沌运动理论 | 第21-22页 |
| ·混沌粒子群优化算法 | 第22-23页 |
| ·协同混沌粒子群优化算法 | 第23-24页 |
| ·协同 PSO 算法 | 第23-24页 |
| ·协同混沌粒子群优化算法 | 第24页 |
| ·实验及分析 | 第24-32页 |
| ·实验设置 | 第24-26页 |
| ·测试结果及分析 | 第26-32页 |
| ·本章小结 | 第32-35页 |
| 第四章 贪婪学习的混合离散粒子群特征选择算法 | 第35-47页 |
| ·特征选择概述 | 第35-37页 |
| ·指数算法（Exponential Algorithms） | 第35-36页 |
| ·序列算法（Sequential Algorithms） | 第36-37页 |
| ·随机算法（Randomized Algorithms） | 第37页 |
| ·贪婪学习的混合粒子群特征选择算法 | 第37-39页 |
| ·算法思想 | 第38-39页 |
| ·算法具体实施步骤 | 第39页 |
| ·实验结果与分析 | 第39-45页 |
| ·实验设置 | 第39-40页 |
| ·实验结果及分析 | 第40-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 带有局部学习的粒子群复杂网络社区检测算法 | 第47-61页 |
| ·图论的基本知识 | 第47页 |
| ·网络社区的定义 | 第47-48页 |
| ·社区检测研究现状 | 第48-49页 |
| ·结合局部学习策略的粒子群社区检测算法 | 第49-51页 |
| ·粒子的表示 | 第50页 |
| ·粒子的更新 | 第50页 |
| ·粒子适应度函数 | 第50-51页 |
| ·粒子的局部学习策略 | 第51页 |
| ·实验与分析 | 第51-59页 |
| ·试验设置 | 第51-52页 |
| ·实验网络数据 | 第52-53页 |
| ·基准网络实验测试 | 第53页 |
| ·现实数据测试 | 第53-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·论文总结 | 第61-62页 |
| ·论文展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-72页 |
