| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第2-3页 |
| 内容摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 第1章 绪论 | 第16-22页 |
| ·研究背景和课题意义 | 第16-18页 |
| ·研究内容与创新点 | 第18-20页 |
| ·论文结构 | 第20-22页 |
| 第2章 研究基础 | 第22-38页 |
| ·优化研究基础 | 第22-31页 |
| ·最优化问题 | 第22-24页 |
| ·局部优化算法 | 第24-25页 |
| ·全局优化算法 | 第25页 |
| ·没有免费的午餐定理 | 第25-26页 |
| ·进化算法 | 第26-29页 |
| ·群体智能 | 第29-31页 |
| ·心理学理论基础 | 第31-36页 |
| ·心理的环境基础 | 第31-33页 |
| ·认知论的动机理论 | 第33-34页 |
| ·感觉与知觉理论 | 第34-36页 |
| ·记忆理论 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第3章 粒子群算法原理与收敛性分析 | 第38-60页 |
| ·原始粒子群优化算法 | 第38-42页 |
| ·算法原理 | 第38-39页 |
| ·算法流程 | 第39-40页 |
| ·社会认知行为分析 | 第40页 |
| ·全局模型和局部模型 | 第40-41页 |
| ·同步模型和异步模型 | 第41-42页 |
| ·离散二进制粒子群算法 | 第42-43页 |
| ·粒子群算法的发展 | 第43-50页 |
| ·粒子群算法收敛速度的改进 | 第43-46页 |
| ·粒子群算法增加多样性的改进 | 第46-48页 |
| ·其他改进粒子群算法 | 第48-50页 |
| ·算法比较 | 第50-52页 |
| ·粒子群算法与遗传算法比较 | 第50-51页 |
| ·粒子群算法与蚂蚁算法比较 | 第51-52页 |
| ·粒子群算法的应用 | 第52-54页 |
| ·标准粒子群算法收敛性分析 | 第54-55页 |
| ·约束系数粒子群算法收敛性分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 粒子群算法求解函数优化问题 | 第60-88页 |
| ·概述 | 第60-61页 |
| ·具有团队协作精神的惯性权重策略PSO算法 | 第61-68页 |
| ·具有团队协作精神的惯性权重策略提出 | 第61-62页 |
| ·算法实现 | 第62-65页 |
| ·计算机仿真实验 | 第65-68页 |
| ·惯性权重选择规律研究 | 第68-69页 |
| ·计算机仿真实验 | 第68页 |
| ·惯性权重选择规律 | 第68-69页 |
| ·一种优化高维复杂函数的团队协作PSO算法 | 第69-75页 |
| ·复杂函数的惯性权重 | 第69-70页 |
| ·团队协作PSO算法设计及流程 | 第70-71页 |
| ·计算机仿真实验 | 第71-75页 |
| ·具有感觉特征的PSO算法优化超高维复杂函数的研究 | 第75-82页 |
| ·具有感觉特征的PSO算法 | 第76-79页 |
| ·算法流程 | 第79页 |
| ·计算机仿真实验 | 第79-82页 |
| ·基于长时记忆PSO混合算法的多目标函数优化问题研究 | 第82-87页 |
| ·多目标优化问题(MO) | 第82-83页 |
| ·禁忌搜索算法(TS) | 第83-84页 |
| ·长时记忆PSO混合算法求解多目标函数问题 | 第84-85页 |
| ·实验结果比较 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 基于粒子群算法的机器人路经规划研究 | 第88-102页 |
| ·概述 | 第88-90页 |
| ·基于改进粒子群算法的移动机器人全局路径规划 | 第90-97页 |
| ·问题描述与建模 | 第90-92页 |
| ·改进粒子群优化算法及实现过程 | 第92-94页 |
| ·仿真结果比较 | 第94-97页 |
| ·基于改进粒子群算法和APPART的移动机器人全局路径规划 | 第97-100页 |
| ·自适应谐振理论的神经网络通用函数逼近器(AppART) | 第98-99页 |
| ·算法实现 | 第99页 |
| ·仿真结果比较 | 第99-100页 |
| ·本章小结 | 第100-102页 |
| 第6章 基于粒子群算法的约束布局优化研究 | 第102-116页 |
| ·概述 | 第102-103页 |
| ·自适应粒子群算法的约束布局优化研究 | 第103-108页 |
| ·问题描述及数学模型 | 第103-104页 |
| ·自适应粒子群优化算法 | 第104-106页 |
| ·算法实现过程 | 第106-108页 |
| ·仿真结果比较 | 第108-114页 |
| ·本章小结 | 第114-116页 |
| 第7章 总结及未来研究方向 | 第116-120页 |
| ·论文总结 | 第116-117页 |
| ·未来研究方向 | 第117-120页 |
| 参考文献 | 第120-134页 |
| 附录 博士在读期间发表的论文 | 第134-136页 |
| 致谢 | 第136页 |
