| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究目的与意义 | 第10-11页 |
| ·研究内容与创新点 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第2章 粒子群优化算法及其理论基础 | 第13-26页 |
| ·引言 | 第13页 |
| ·粒子群算法 | 第13-16页 |
| ·粒子群算法起源 | 第13-14页 |
| ·标准粒子群算法 | 第14-15页 |
| ·PSO 算法实现过程 | 第15页 |
| ·标准粒子群算法收敛性分析 | 第15-16页 |
| ·离散粒子群算法 | 第16-17页 |
| ·粒子群算法的几种改进方式 | 第17-19页 |
| ·变更公式法 | 第17-18页 |
| ·分群方法 | 第18-19页 |
| ·混合算法 | 第19页 |
| ·扰动方法 | 第19页 |
| ·粒子群算法应用 | 第19-20页 |
| ·标准测试函数介绍 | 第20-26页 |
| 第3章 改进粒子群算法及其在高维函数优化中的应用 | 第26-40页 |
| ·引言 | 第26页 |
| ·具有局部最优模式的动态调整惯性权重的改进粒子群算法 | 第26-33页 |
| ·嵌入局部最优模式的粒子群更新算法 | 第26-27页 |
| ·非线性递减策略调整ω的粒子群更新算法 | 第27-28页 |
| ·收敛性分析 | 第28-29页 |
| ·仿真研究 | 第29-32页 |
| ·小结 | 第32-33页 |
| ·非线性扩散粒子群算法 | 第33-40页 |
| ·非线性扩散粒子群算法(NDPSO)描述 | 第33-34页 |
| ·NDPSO 算法实现过程及收敛性分析 | 第34页 |
| ·实验分析 | 第34-39页 |
| ·小结 | 第39-40页 |
| 第4章 基于蚁群混沌行为的离散粒子群算法及其应用 | 第40-50页 |
| ·引言 | 第40页 |
| ·背包问题描述 | 第40-41页 |
| ·基于蚁群混沌行为的离散粒子群算法原理及实现 | 第41-43页 |
| ·基于蚁群混沌行为的离散粒子群算法原理 | 第41-43页 |
| ·算法流程 | 第43页 |
| ·仿真研究 | 第43-49页 |
| ·DPSO 算法与其他仿生算法性能比较 | 第43-45页 |
| ·DPSO 算法与基于其他方式改进的离散粒子群算法性能比较 | 第45-49页 |
| ·DPSO 算法与传统方法性能比较 | 第49页 |
| ·小结 | 第49-50页 |
| 第5章 动态扩散粒子群算法及其在移动机器人全局路径规划中的应用 | 第50-58页 |
| ·引言 | 第50页 |
| ·动态扩散粒子群算法 | 第50-51页 |
| ·基于动态扩散粒子群算法-人工势场法的移动机器人全局路径规划 | 第51-57页 |
| ·人工势场法 | 第51-53页 |
| ·采用动态扩散粒子群算法的人工势场参数优化 | 第53-54页 |
| ·仿真实验 | 第54-57页 |
| ·小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58页 |
| ·待进一步研究的问题 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68页 |
| 作者在读期间发表的学术论文及参加的科研项目 | 第68页 |
| 一、学术论文 | 第68页 |
| 二、科研项目 | 第68页 |
