| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 竞胜标问题的国内外研究现状 | 第11-14页 |
| 1.2.2 粒子群优化算法的国内外研究现状 | 第14-15页 |
| 1.2.3 小生境的国内外研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 相关理论和方法 | 第18-28页 |
| 2.1 组合拍卖竞胜标确定问题的数学模型 | 第18-21页 |
| 2.2 粒子群优化算法 | 第21-27页 |
| 2.2.1 标准粒子群优化算法 | 第21-24页 |
| 2.2.2 反向学习粒子群优化算法 | 第24-25页 |
| 2.2.3 二进制离散粒子群优化算法 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于小生境反向学习和局部学习的粒子群算法 | 第28-46页 |
| 3.1 基于小生境反向学习和局部学习粒子群优化的算法思想 | 第28-32页 |
| 3.1.1 小生境的自适应划分 | 第28-30页 |
| 3.1.2 小生境间的反向学习 | 第30-31页 |
| 3.1.3 小生境内的局部开采 | 第31-32页 |
| 3.2 基于小生境的反向学习和局部学习的粒子群优化算法流程 | 第32-33页 |
| 3.3 实验验证与分析 | 第33-44页 |
| 3.3.1 实验设计 | 第33-37页 |
| 3.3.2 实验结果与分析 | 第37-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于NRLPSO算法的竞胜标确定问题求解 | 第46-56页 |
| 4.1 组合拍卖的WDP问题 | 第46-47页 |
| 4.1.1 WDP问题的数学模型 | 第46页 |
| 4.1.2 WDP问题的竞标集合化简 | 第46-47页 |
| 4.2 NRLPSO算法求解WDP问题 | 第47-50页 |
| 4.3 实验设置与分析 | 第50-54页 |
| 4.3.1 L3分布下的实验结果分析 | 第50-52页 |
| 4.3.2 L4分布下的实验结果分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |