| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究的现状 | 第11-12页 |
| ·主要研究工作 | 第12-13页 |
| ·论文的结构 | 第13-14页 |
| 2 粒子群算法及其收敛性分析 | 第14-23页 |
| ·基本粒子群算法 | 第14-16页 |
| ·随机算法的收敛准则 | 第16-20页 |
| ·粒子群算法的收敛性 | 第20-21页 |
| ·粒子群算法的缺陷 | 第21-23页 |
| 3 免疫粒子群算法原理和方法 | 第23-33页 |
| ·引言 | 第23页 |
| ·自然免疫学基本原理 | 第23-26页 |
| ·生物免疫机制 | 第23-24页 |
| ·抗体、抗原、亲和力 | 第24-25页 |
| ·获得性免疫应答 | 第25页 |
| ·生物免疫机制的抽取 | 第25-26页 |
| ·人工免疫系统 | 第26页 |
| ·人工免疫系统的仿生机理 | 第26-30页 |
| ·免疫识别 | 第27页 |
| ·免疫学习和记忆 | 第27-28页 |
| ·克隆选择原理 | 第28页 |
| ·抗体多样性 | 第28-29页 |
| ·免疫调节 | 第29-30页 |
| ·抗体浓度抑制 | 第30页 |
| ·免疫粒子群算法基本原理 | 第30-32页 |
| ·免疫粒子群算法的特点 | 第32-33页 |
| 4 基于负选择的二进制粒子群算法 | 第33-45页 |
| ·算法描述 | 第33-36页 |
| ·二进制粒子群算法 | 第33-34页 |
| ·负选择的基本理论 | 第34-35页 |
| ·基于负选择的二进制粒子群算法（NS_BPSO） | 第35-36页 |
| ·仿真实验及结果分析 | 第36-44页 |
| ·测试函数 | 第36-38页 |
| ·实验结果及分析 | 第38-44页 |
| ·本章小结 | 第44-45页 |
| 5 基于相对基学习和免疫疫苗的免疫粒子群算法 | 第45-60页 |
| ·算法描述 | 第45-51页 |
| ·相对基学习 | 第45-48页 |
| ·免疫记忆和免疫调节的实现 | 第48-49页 |
| ·接种疫苗和免疫选择的实现 | 第49-51页 |
| ·IPSO 算法的基本框架 | 第51页 |
| ·IPSO 算法在模糊聚类分析中的应用 | 第51-59页 |
| ·模糊聚类分析 | 第51-55页 |
| ·基于IPSO 的模糊C 均值聚类算法（IPSO_FCM） | 第55-57页 |
| ·仿真实验及结果分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 基于混沌克隆选择的免疫粒子群算法 | 第60-71页 |
| ·算法描述 | 第60-63页 |
| ·克隆选择原理 | 第60页 |
| ·混沌优化 | 第60-61页 |
| ·基于混沌克隆选择的免疫粒子群算法（CIPSO） | 第61-63页 |
| ·CIPSO 算法在人工神经网络中的应用 | 第63-70页 |
| ·人工神经网络 | 第63-67页 |
| ·基于CIPSO 的BP 神经网络学习算法 | 第67-68页 |
| ·仿真实验及结果分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 7 总结与展望 | 第71-74页 |
| ·论文总结 | 第71-72页 |
| ·进一步工作的展望 | 第72-74页 |
| 参考文献 | 第74-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间发表论文和科研情况 | 第82页 |