| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第12-30页 |
| 1.1 优化问题 | 第12-14页 |
| 1.1.1 优化问题的要素 | 第12页 |
| 1.1.2 优化问题的分类 | 第12-14页 |
| 1.2 课题研究背景及意义 | 第14-16页 |
| 1.3 优化算法 | 第16-27页 |
| 1.3.1 经典优化算法 | 第16-17页 |
| 1.3.2 智能优化算法 | 第17-18页 |
| 1.3.3 群智能优化算法 | 第18-23页 |
| 1.3.4 混合群智能优化算法 | 第23-27页 |
| 1.4 本文的主要工作及内容安排 | 第27-29页 |
| 1.5 小结 | 第29-30页 |
| 2 经典群智能优化算法简介 | 第30-45页 |
| 2.1 经典粒子群算法 | 第30-35页 |
| 2.1.1 经典粒子群算法基本思想及起源 | 第30-31页 |
| 2.1.2 经典粒子群算法基本概念及实现 | 第31-33页 |
| 2.1.3 粒子群算法的已有改进与应用 | 第33-35页 |
| 2.2 经典人工蜂群算法 | 第35-39页 |
| 2.2.1 经典人工蜂群算法基本思想及起源 | 第35-36页 |
| 2.2.2 经典人工蜂群算法基本概念及实现 | 第36-39页 |
| 2.3 经典蚁群算法 | 第39-43页 |
| 2.3.1 经典蚁群算法基本思想及起源 | 第39-40页 |
| 2.3.2 经典蚁群算法基本概念及实现 | 第40-42页 |
| 2.3.3 蚁群算法已有改进与应用 | 第42-43页 |
| 2.4 本文所提混合算法的必要性 | 第43-44页 |
| 2.5 小结 | 第44-45页 |
| 3 基于跟随蜂搜索的自适应粒子群算法及其应用 | 第45-81页 |
| 3.1 一种自适应粒子群算法 | 第45-66页 |
| 3.1.1 自适应加速因子 | 第45-46页 |
| 3.1.2 稳定性分析 | 第46-55页 |
| 3.1.3 仿真应用 | 第55-66页 |
| 3.2 基于跟随蜂搜索的自适应粒子群算法 | 第66-74页 |
| 3.2.1 跟随蜂搜索的引入 | 第66-67页 |
| 3.2.2 仿真应用 | 第67-74页 |
| 3.3 混合粒子群算法在矿山生产排程优化中的应用 | 第74-80页 |
| 3.3.1 问题概况 | 第74-75页 |
| 3.3.2 数学描述 | 第75-79页 |
| 3.3.3 优化结果 | 第79-80页 |
| 3.4 小结 | 第80-81页 |
| 4 基于跟随蜂搜索的自适应多目标粒子群算法及其应用 | 第81-103页 |
| 4.1 多目标优化问题简介 | 第81-83页 |
| 4.1.1 多目标优化问题的定义 | 第81-82页 |
| 4.1.2 多目标优化问题的特点 | 第82-83页 |
| 4.2 基于跟随蜂搜索的自适应多目标粒子群算法 | 第83-85页 |
| 4.3 仿真应用 | 第85-92页 |
| 4.3.1 测试函数 | 第85-87页 |
| 4.3.2 评价指标 | 第87-88页 |
| 4.3.3 仿真结果 | 第88-92页 |
| 4.4 混合多目标粒子群算法在矿山生产排程优化中的应用 | 第92-102页 |
| 4.4.1 问题描述 | 第93页 |
| 4.4.2 优化结果 | 第93-95页 |
| 4.4.3 实际应用 | 第95-102页 |
| 4.5 小结 | 第102-103页 |
| 5 带混沌序列的粒子群参数优化蚁群算法及其应用 | 第103-122页 |
| 5.1 TSP问题 | 第103-105页 |
| 5.1.1 TSP问题简介 | 第103-104页 |
| 5.1.2 TSPLIB标准库 | 第104-105页 |
| 5.2 粒子群参数优化蚁群算法 | 第105-107页 |
| 5.3 带混沌序列的粒子群参数优化蚁群算法 | 第107-110页 |
| 5.3.1 混沌序列 | 第107-108页 |
| 5.3.2 改进方法 | 第108-110页 |
| 5.4 仿真应用 | 第110-115页 |
| 5.5 改进混合蚁群算法在垃圾场巡查机器人路径规划中的应用 | 第115-121页 |
| 5.5.1 问题概况 | 第115-117页 |
| 5.5.2 数学描述 | 第117-119页 |
| 5.5.3 实验结果 | 第119-121页 |
| 5.6 小结 | 第121-122页 |
| 6 结论 | 第122-124页 |
| 6.1 论文的创新点 | 第122-123页 |
| 6.2 工作展望 | 第123-124页 |
| 参考文献 | 第124-134页 |
| 作者简历及在学研究成果 | 第134-138页 |
| 学位论文数据集 | 第138页 |
