摘要 | 第1-4页 |
Abstract | 第4-10页 |
第1章 绪论 | 第10-16页 |
·选题意义和背景 | 第10-11页 |
·国内外研究现状及问题分析 | 第11-13页 |
·国内外研究现状 | 第12-13页 |
·问题分析 | 第13页 |
·论文的主要工作及章节安排 | 第13-16页 |
第2章 理论基础 | 第16-32页 |
·优化理论 | 第16-19页 |
·局部优化算法 | 第18页 |
·全局优化算法 | 第18-19页 |
·智能优化算法 | 第19-32页 |
·遗传算法 | 第19-22页 |
·模拟退火算法 | 第22-26页 |
·蚁群算法 | 第26-28页 |
·粒子群优化算法 | 第28-32页 |
第3章 几种典型的改进PSO算法 | 第32-54页 |
·引言 | 第32-33页 |
·标准PSO算法(SPSO) | 第33页 |
·带收缩因子的PSO算法(W-K-PSO) | 第33-34页 |
·二阶震荡PSO算法(SOPSO) | 第34-37页 |
·算法描述 | 第34-35页 |
·学习因子对算法收敛性的影响 | 第35-37页 |
·量子PSO算法(QPSO) | 第37-38页 |
·模拟退火 PSO算法(SAPSO) | 第38-40页 |
·基于雁群启示的PSO算法(GeesePSO) | 第40-41页 |
·遗传PSO算法(GAPSO) | 第41-43页 |
·仿真实验及结果分析 | 第43-51页 |
·SAPSO两种退火方式对比 | 第43-44页 |
·边界处理 | 第44-45页 |
·各算法对6个测试函数的优化比较 | 第45-50页 |
·PSO算法在二维多模态函数上的动态寻优过程 | 第50-51页 |
·本章小结 | 第51-54页 |
第4章 基于 W-K-PSO的公交车优化调度 | 第54-62页 |
·引言 | 第54页 |
·公交车调度模型 | 第54-56页 |
·模型假设及问题描述 | 第54-55页 |
·适应度函数确立 | 第55-56页 |
·基于 W-K-PSO的公交调度算法设计 | 第56-57页 |
·仿真实验 | 第57-61页 |
·仿真实例及参数设置 | 第57-58页 |
·仿真结果及其分析 | 第58-61页 |
·本章小结 | 第61-62页 |
第5章 基于SOPSO和SAPSO算法的航班离场调度 | 第62-74页 |
·引言 | 第62页 |
·航班离场问题描述 | 第62-63页 |
·航班离场排序模型 | 第63-64页 |
·算法设计 | 第64-66页 |
·粒子编码设计 | 第64-65页 |
·粒子更新设计 | 第65页 |
·算法执行步骤 | 第65-66页 |
·仿真实验及结果分析 | 第66-73页 |
·仿真条件 | 第66-67页 |
·基于 SOPSO算法的仿真 | 第67-68页 |
·基于 SAPSO算法的仿真 | 第68-69页 |
·优化结果分析 | 第69-73页 |
·本章小结 | 第73-74页 |
第6章 基于GeesePSO和GAPSO算法的二维阈值图像分割 | 第74-86页 |
·引言 | 第74页 |
·二维直方图理论 | 第74-77页 |
·二维最大熵分割理论 | 第77-78页 |
·二维Otsu分割理论 | 第78-79页 |
·基于GeesePSO的二维最大熵算法设计 | 第79-80页 |
·基于GAPSO的二维Otsu算法设计 | 第80页 |
·仿真实验及结果分析 | 第80-84页 |
·基于GeesePSO的二维最大熵仿真结果 | 第81-83页 |
·基于GAPSO的二维Otsu仿真结果 | 第83-84页 |
·本章小结 | 第84-86页 |
第7章 基于 PSO算法的矢量量化图像压缩 | 第86-92页 |
·引言 | 第86页 |
·矢量量化图像压缩原理 | 第86-88页 |
·算法设计 | 第88-89页 |
·仿真实验 | 第89-91页 |
·QPSO参数设置 | 第89-90页 |
·结果分析 | 第90-91页 |
·本章小结 | 第91-92页 |
第8章 总结与展望 | 第92-94页 |
·论文工作总结 | 第92页 |
·后续工作展望 | 第92-94页 |
参考文献 | 第94-100页 |
致谢 | 第100-102页 |
攻读硕士学位期间的研究成果 | 第102-103页 |
论文 | 第102-103页 |
项目情况 | 第103页 |
所获奖励 | 第103页 |