| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·计算智能 | 第8页 |
| ·进化计算 | 第8-9页 |
| ·群智能 | 第9-10页 |
| ·群智能定义 | 第9页 |
| ·蚁群算法 | 第9-10页 |
| ·粒子群算法 | 第10页 |
| ·蜂群算法 | 第10页 |
| ·遗传算法 | 第10-12页 |
| ·本文主要工作 | 第12-14页 |
| 2 粒子群优化算法 | 第14-17页 |
| ·算法原理 | 第14-15页 |
| ·算法流程 | 第15-17页 |
| 3 多模态函数优化 | 第17-27页 |
| ·引言 | 第17页 |
| ·多模态优化问题定义 | 第17页 |
| ·小生境技术 | 第17-20页 |
| ·多模态粒子群优化算法 | 第20-25页 |
| ·粒子群算法解决多模态问题流程 | 第25-27页 |
| 4 基于适应度-距离相似度模型的多模态粒子群优化算法 | 第27-42页 |
| ·算法描述 | 第27-37页 |
| ·算法流程 | 第37-39页 |
| ·复杂度分析 | 第39-42页 |
| 5 实验结果及分析 | 第42-57页 |
| ·测试函数 | 第42-45页 |
| ·一维欺骗性函数 | 第42页 |
| ·一维多模态测试函数 | 第42-43页 |
| ·二维多模态测试函数 | 第43-44页 |
| ·复杂多模态测试函数 | 第44页 |
| ·高维多模态测试函数 | 第44-45页 |
| ·评价标准 | 第45-46页 |
| ·成功率 | 第45页 |
| ·精度 | 第45页 |
| ·收敛速度 | 第45-46页 |
| ·一致性 | 第46页 |
| ·计算成本 | 第46页 |
| ·峰值覆盖率 | 第46页 |
| ·实验参数 | 第46-47页 |
| ·实验结果分析 | 第47-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |