| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-24页 |
| ·论文研究背景与意义 | 第10-11页 |
| ·常见的群体智能算法 | 第11-15页 |
| ·蚁群算法(ACO) | 第11-12页 |
| ·微粒群算法(PSO) | 第12-14页 |
| ·拟态物理学优化算法(APO) | 第14-15页 |
| ·扩展微粒群算法(EPSO) | 第15-17页 |
| ·PSO 算法和 EPSO 算法的种群结构的研究现状 | 第17-18页 |
| ·PSO 算法的种群结构的研究现状 | 第17-18页 |
| ·EPSO 算法的种群结构的研究现状 | 第18页 |
| ·复杂网络的基本概念及有向种群结构的研究现状 | 第18-24页 |
| ·无向网络概念 | 第19-20页 |
| ·有向网络概念 | 第20-21页 |
| ·有向种群结构的研究现状 | 第21-22页 |
| ·本文主要完成的工作 | 第22-24页 |
| 第二章 基于静态有向种群结构的 EPSO 算法研究 | 第24-34页 |
| ·静态有向种群结构的特征度量对 EPSO 算法性能的影响 | 第24-31页 |
| ·测试函数 | 第24-26页 |
| ·节点出度值对算法性能的影响 | 第26-28页 |
| ·节点入度值与适应值对算法性能的影响 | 第28-31页 |
| ·不同有向结构作用下的 EPSO 性能分析 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于节点量固定的有向自组织种群结构的 EPSO 算法 | 第34-42页 |
| ·BA 无标度有向网络结构模型 | 第34-35页 |
| ·算法思想及步骤 | 第35-36页 |
| ·算法思想 | 第35-36页 |
| ·算法步骤 | 第36页 |
| ·有向种群结构的演化步骤 | 第36-37页 |
| ·仿真实验 | 第37-41页 |
| ·EPSO-DSOTIS、PSO 和 EPSO 算法性能的比较 | 第37-38页 |
| ·有向自组织种群结构特征度量的动态性描述 | 第38-40页 |
| ·EPSO-DSOTIS 算法的最终种群结构的分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于节点量变化的有向自组织种群结构的 EPSO 算法 | 第42-54页 |
| ·算法思想 | 第42页 |
| ·算法流程图 | 第42-44页 |
| ·有向种群结构演化过程及演化参数的设计 | 第44-46页 |
| ·有向种群结构的演化过程 | 第44-45页 |
| ·有向种群结构演化参数的设计 | 第45-46页 |
| ·仿真实验 | 第46-52页 |
| ·新生节点的位置对 EPSO-DSOTDC 算法性能的影响 | 第46-47页 |
| ·EPSO-DSOTDC、EPSO-DSOTIS 和 EPSO 算法性能的比较 | 第47-50页 |
| ·EPSO-DSOTDC 中有向种群结构特征度量的动态性描述 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 攻读研究生期间发表的学术论文 | 第64-66页 |
| 个人简介及联系方式 | 第66-67页 |
