| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 1 前言 | 第8-14页 |
| ·群智能算法的研究与现状 | 第8-12页 |
| ·遗传算法(GA) | 第9-10页 |
| ·蚁群算法理论(ACO) | 第10-11页 |
| ·粒子群算法(PSO) | 第11-12页 |
| ·鱼群算法(FSA) | 第12页 |
| ·群智能算法的发展 | 第12-14页 |
| 2 群智能各优化算法分析与比较 | 第14-30页 |
| ·群智能 | 第14-29页 |
| ·蚁群算法 | 第14-19页 |
| ·粒子群算法 | 第19-27页 |
| ·鱼群算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 粒子群优化算法的改进 | 第30-36页 |
| ·引言 | 第30页 |
| ·自适应PSO(Adaptive Particle Swarm Optimization,APSO) | 第30-32页 |
| ·混合PSO(Hybrid Particle Swarm Optimization,HPSO) | 第32-33页 |
| ·协同PSO(Cooperative Particle Swarm Optimization,CPSO) | 第33-34页 |
| ·离散PSO(Discrete Particle Swarm Optimization,DPSO) | 第34页 |
| ·基于排斥因子的PSO(Repellor Particle swarm Optimization,RPSO) | 第34-36页 |
| 4 改进算法及在数字滤波器设计中的应用 | 第36-48页 |
| ·蚁群算法与粒子群算法混合的基本思路 | 第36-38页 |
| ·实现步骤 | 第38页 |
| ·在IIR滤波器设计中的应用 | 第38-44页 |
| ·IIR滤波器优化模型 | 第39-40页 |
| ·增益A_0的解析表达式 | 第40页 |
| ·参数编码 | 第40页 |
| ·适应度函数 | 第40-41页 |
| ·用粒子群优化算法设计IIR数字滤波器的步骤 | 第41页 |
| ·实验仿真结果 | 第41-44页 |
| ·在自适应(LMS)陷波器设计上的应用 | 第44-47页 |
| ·自适应信号处理 | 第44-45页 |
| ·算法实现 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·小结 | 第47-48页 |
| 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间参加的项目 | 第54页 |
