| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究的背景和课题的意义 | 第9-11页 |
| ·粒子群优化算法的国内外研究现状 | 第11-14页 |
| ·粒子群优化算法的发展 | 第12-13页 |
| ·粒子群优化算法的应用 | 第13-14页 |
| ·本文的主要成果 | 第14页 |
| ·本文的组织 | 第14-16页 |
| 第2章 粒子群优化算法的原理 | 第16-27页 |
| ·原始粒子群优化算法 | 第16-18页 |
| ·算法原理 | 第16-17页 |
| ·算法流程 | 第17-18页 |
| ·全局模型与局部模型 | 第18页 |
| ·标准粒子群优化算法 | 第18-20页 |
| ·惯性权重改进算法 | 第18-19页 |
| ·收缩因子改进算法 | 第19-20页 |
| ·粒子群优化算法的应用步骤及参数改进与设置 | 第20-24页 |
| ·应用粒子群优化算法的基本步骤 | 第20-21页 |
| ·算法参数的经验设置 | 第21-22页 |
| ·学习因子的改进 | 第22-24页 |
| ·与其它进化算法的比较 | 第24-25页 |
| ·相似点 | 第24-25页 |
| ·不同点 | 第25页 |
| ·粒子群优化算法的应用状况 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第3章 粒子群优化算法的改进 | 第27-45页 |
| ·引言 | 第27页 |
| ·全局最优位置变异的粒子群算法 | 第27-33页 |
| ·变异时机的参数选择 | 第28页 |
| ·变异概率分析 | 第28-29页 |
| ·实现步骤 | 第29页 |
| ·算法测试及分析 | 第29-33页 |
| ·含维变异算子的粒子群算法 | 第33-35页 |
| ·算法的思想 | 第33-34页 |
| ·算法测试 | 第34-35页 |
| ·基于收缩因子的标准化赋权PSO算法 | 第35-37页 |
| ·算法的思想 | 第35-36页 |
| ·算法测试及分析 | 第36-37页 |
| ·带交叉因子的改进的粒子群算法 | 第37-41页 |
| ·算法的思想 | 第37页 |
| ·算法的实现步骤 | 第37-38页 |
| ·数值实验与分析 | 第38-41页 |
| ·粒子群优化算法其它高级技术 | 第41-44页 |
| ·临域算子 | 第41页 |
| ·簇分析方法 | 第41-42页 |
| ·自适应比例项 | 第42-43页 |
| ·合作粒子群优化算法 | 第43页 |
| ·分层粒子群优化算法 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 改进PSO算法在PID参数整定中应用研究 | 第45-50页 |
| ·引言 | 第45页 |
| ·全局最优位置变异粒子群算法在PID参数调节中的应用 | 第45-49页 |
| ·粒子群优化算法用于PID参数整定的思想 | 第45-46页 |
| ·优化参数的编码设计 | 第46-47页 |
| ·粒子群优化算法整定PID参数适应度函数的选取 | 第47页 |
| ·全局最优位置变异的粒子群算法优化PID控制器参数的流程 | 第47-48页 |
| ·仿真实验 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 附录 攻读硕士学位期间发表的论文 | 第57页 |