| 摘要 | 第1-4页 |
| Abstract | 第4-14页 |
| 第一章 绪论 | 第14-20页 |
| 1．1 群体智能优化算法的研究及发展现状 | 第14-16页 |
| 1．1．1 遗传算法 | 第14-15页 |
| 1．1．2 蚁群算法 | 第15-16页 |
| 1．1．3 粒子群优化算法 | 第16页 |
| 1．2 三种算法的特点与比较 | 第16-18页 |
| 1．2．1 遗传算法的特点 | 第16-17页 |
| 1．2．2 蚁群算法的特点 | 第17页 |
| 1．2．3 粒子群优化算法的特点 | 第17页 |
| 1．2．4 三种算法共同的特点和优点 | 第17-18页 |
| 1．3 群体智能算法的未来发展方向 | 第18页 |
| 1．4 课题的选题背景与本文主要研究内容 | 第18-19页 |
| 1．4．1 选题背景 | 第18-19页 |
| 1．4．2 本文主要研究内容 | 第19页 |
| 1．5 小结 | 第19-20页 |
| 第二章 最优化问题概述 | 第20-27页 |
| 2．1 两类最优化问题的数学形式及其典型实验函数 | 第20-22页 |
| 2．2 无约束优化问题与约束优化问题的最优条件 | 第22-23页 |
| 2．2．1 无约束优化问题的最优条件 | 第22页 |
| 2．2．2 约束优化问题的最优条件 | 第22-23页 |
| 2．3 求解最优化问题方法的一般结构 | 第23-24页 |
| 2．4 传统的非线性最优化方法 | 第24-25页 |
| 2．4．1 无约束最优化方法 | 第24-25页 |
| 2．4．2 约束最优化方法 | 第25页 |
| 2．5 小结 | 第25-27页 |
| 第三章 粒子群优化算法 | 第27-38页 |
| 3．1 粒子群优化算法的基本原理 | 第27-28页 |
| 3．2 粒子群优化算法的数学描述 | 第28-29页 |
| 3．3 粒子群优化算法的流程及实现 | 第29-30页 |
| 3．4 几种典型的粒子群优化算法模型及其参数选择 | 第30-32页 |
| 3．4．1 简单粒子群优化算法模型 | 第31页 |
| 3．4．2 引入惯性权重系数的粒子群优化算法模型 | 第31-32页 |
| 3．4．3 引入收缩因子的粒子群优化算法模型 | 第32页 |
| 3．4．4 粒子群优化算法模型的参数集 | 第32页 |
| 3．5 在函数优化中应用粒子群优化算法的步骤及参数设置 | 第32-33页 |
| 3．5．1 应用粒子群优化算法的基本步骤 | 第32-33页 |
| 3．5．2 粒子群优化算法参数的经验设置 | 第33页 |
| 3．6 几种改进的粒子群优化算法 | 第33-37页 |
| 3．6．1 自适应PSO(Adaptive Particle Swarm Optimization，APSO) | 第34-35页 |
| 3．6．2 混合PSO(Hybrid Particle Swarm Optimization，HPSO) | 第35-36页 |
| 3．6．3 协同PSO(Cooperative Particle Swarm Optimization，CPSO) | 第36页 |
| 3．6．4 离散粒子群优化算法(Discrete Particle Swarm Optimization，DPSO) | 第36-37页 |
| 3．7 粒子群优化算法的应用 | 第37页 |
| 3．8 小结 | 第37-38页 |
| 第四章 基于混沌优化搜索的混合粒子群算法 | 第38-48页 |
| 4．1 混沌优化方法 | 第38-40页 |
| 4．1．1 混沌优化 | 第38页 |
| 4．1．2 混沌优化算法 | 第38-39页 |
| 4．1．3 混沌优化算法的实现 | 第39-40页 |
| 4．2 混合粒子群算法 | 第40-42页 |
| 4．2．1 粒子群优化算法的早熟现象及早熟判断机制 | 第40-41页 |
| 4．2．2 基于混沌搜索解决早熟收敛的混合粒子群算法 | 第41-42页 |
| 4．2．3 混合粒子群算法的流程及实现 | 第42页 |
| 4．3 数值实验 | 第42-47页 |
| 4．3．1 测试函数 | 第42-43页 |
| 4．3．2 评价标准 | 第43页 |
| 4．3．3 参数设置 | 第43-44页 |
| 4．3．4 测试结果 | 第44-46页 |
| 4．3．5 参数研究 | 第46-47页 |
| 4．4 小结 | 第47-48页 |
| 第五章 求解非线性约束优化问题的粒子群优化算法 | 第48-57页 |
| 5．1 带有罚函数的粒子群优化算法 | 第48-50页 |
| 5．1．1 处理约束条件的罚函数方法 | 第48-49页 |
| 5．1．2 基于混沌变量的变异 | 第49-50页 |
| 5．2 采用分离比较策略的双适应值粒子群优化算法 | 第50-52页 |
| 5．2．1 处理约束条件的分离比较策略 | 第50页 |
| 5．2．2 双适应值粒子群优化算法的定义 | 第50-51页 |
| 5．2．3 双适应值粒子群优化算法中粒子的比较准则 | 第51页 |
| 5．2．4 保持不可行解粒子的自适应策略 | 第51页 |
| 5．2．5 采用分离比较策略的双适应值粒子群优化算法的实现 | 第51-52页 |
| 5．3 数值实验 | 第52-56页 |
| 5．3．1 测试函数 | 第52-53页 |
| 5．3．2 评价标准 | 第53页 |
| 5．3．3 参数设置 | 第53页 |
| 5．3．4 测试结果 | 第53-55页 |
| 5．3．5 参数研究 | 第55-56页 |
| 5．4 小结 | 第56-57页 |
| 第六章 粒子群优化算法在管道保温优化设计中的应用 | 第57-63页 |
| 6．1 管道保温结构优化问题的建模 | 第57-60页 |
| 6．1．1 最佳经济厚度的计算原理 | 第57-58页 |
| 6．1．2 管道保温经济厚度计算的目标函数 | 第58-59页 |
| 6．1．3 目标函数的约束条件 | 第59页 |
| 6．1．4 管道保温优化中的参数设置 | 第59-60页 |
| 6．2 粒子群优化算法在管道保温优化中的实现步骤 | 第60-61页 |
| 6．3 数值实验及结论 | 第61-62页 |
| 6．3．1 实例与实验参数设置 | 第61页 |
| 6．3．2 测试结果 | 第61-62页 |
| 6．4 小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 攻读硕士学位期间发表的论文 | 第68页 |
