| 论文创新点 | 第5-6页 |
| 中文摘要 | 第6-9页 |
| 英文摘要 | 第9-11页 |
| 第1章 绪论 | 第15-28页 |
| 1.1 前言 | 第15-16页 |
| 1.2 群体智能算法 | 第16-18页 |
| 1.3 粒子群优化算法 | 第18-21页 |
| 1.3.1 PSO的基本原理 | 第18-20页 |
| 1.3.2 粒子群优化算法的研究现状 | 第20-21页 |
| 1.4 量子行为粒子群优化算法 | 第21-24页 |
| 1.4.1 量子粒子群优化模型 | 第21-22页 |
| 1.4.2 QPSO的研究现状 | 第22-23页 |
| 1.4.3 待解决的关键问题 | 第23-24页 |
| 1.5 本文的主要研究内容及成果 | 第24-26页 |
| 1.6 本文的组织结构 | 第26-28页 |
| 第2章 自适应信息选择PSO算法及其概率特性分析 | 第28-46页 |
| 2.1 引言 | 第28-29页 |
| 2.2 自适应信息选择的粒子群优化算法 | 第29-30页 |
| 2.2.1 算法原理 | 第29-30页 |
| 2.2.2 算法的步骤与流程 | 第30页 |
| 2.3 标准测试函数 | 第30-35页 |
| 2.4 实验设计与结果分析 | 第35-38页 |
| 2.4.1 实验设计 | 第35页 |
| 2.4.2 实验结果及分析 | 第35-38页 |
| 2.5 API-PSO算法的特性分析 | 第38-44页 |
| 2.5.1 API-PSO种群多样性分析 | 第38-41页 |
| 2.5.2 API-PSO算法收敛性分析 | 第41-44页 |
| 2.6 总结 | 第44-46页 |
| 第3章 二元相关性QPSO模型 | 第46-87页 |
| 3.1 引言 | 第46-47页 |
| 3.2 随机因子 | 第47-48页 |
| 3.3 基于δ势阱模型的二元相关性QPSO算法 | 第48-54页 |
| 3.3.1 二元相关因子 | 第48-49页 |
| 3.3.2 Copula函数 | 第49-51页 |
| 3.3.3 基于δ势阱的二元相关性QPSO模型描述 | 第51-53页 |
| 3.3.4 BC-QDPSO算法实现 | 第53-54页 |
| 3.4 基于量子谐振子模型的二元相关性QPSO算法 | 第54-62页 |
| 3.4.1 粒子群量子谐振子模型的建立 | 第54-56页 |
| 3.4.2 粒子进化的基本方程 | 第56-57页 |
| 3.4.3 搜索迭代控制策略 | 第57-58页 |
| 3.4.4 算法流程 | 第58-59页 |
| 3.4.5 BC-QOPSO模型中粒子收敛条件分析 | 第59-62页 |
| 3.5 基于方势阱模型的二元相关性QPSO算法 | 第62-71页 |
| 3.5.1 粒子群方势阱模型的建立 | 第62-64页 |
| 3.5.2 粒子进化的基本方程 | 第64-65页 |
| 3.5.3 搜索迭代控制策略 | 第65-66页 |
| 3.5.4 算法流程 | 第66-67页 |
| 3.5.5 BC-QSPSO模型中粒子收敛条件分析 | 第67-71页 |
| 3.6 仿真实验 | 第71-85页 |
| 3.6.1 参数控制策略 | 第71-81页 |
| 3.6.2 种群多样性分析 | 第81-83页 |
| 3.6.3 BC-QPSO优化性能比较 | 第83-85页 |
| 3.7 本章小结 | 第85-87页 |
| 第4章 三元相关性QPSO模型 | 第87-103页 |
| 4.1 引言 | 第87-88页 |
| 4.2 基于δ势阱模型的三元相关性QPSO算法 | 第88-97页 |
| 4.2.1 三元相关因子 | 第88页 |
| 4.2.2 多元Copula函数 | 第88-91页 |
| 4.2.3 三元相关性QPSO模型描述 | 第91-94页 |
| 4.2.4 TC-QPSO算法实现 | 第94-97页 |
| 4.3 仿真实验 | 第97-102页 |
| 4.4 本章小结 | 第102-103页 |
| 第5章 交互式QPSO优化算法 | 第103-117页 |
| 5.1 引言 | 第103-104页 |
| 5.2 基于不同相关系数的双子群QPSO模型 | 第104-108页 |
| 5.2.1 DRF-QPSO算法思想 | 第104-105页 |
| 5.2.2 子群间的交互操作 | 第105页 |
| 5.2.3 评价策略 | 第105-107页 |
| 5.2.4 算法执行流程 | 第107-108页 |
| 5.3 基于不同势阱中心的双子群QPSO算法 | 第108-110页 |
| 5.3.1 DWC-QPSO算法思想 | 第108-109页 |
| 5.3.2 算法执行流程 | 第109-110页 |
| 5.4 实验设计与结果分析 | 第110-116页 |
| 5.5 本章小结 | 第116-117页 |
| 第6章 交互式QPSO算法的应用研究 | 第117-137页 |
| 6.1 DWC-QPSO模型在入口匝道交通流控制中的应用 | 第117-128页 |
| 6.1.1 引言 | 第117-119页 |
| 6.1.2 入口匝道交通流基本模型 | 第119-121页 |
| 6.1.3 DWC-QPSO求解基于反馈控制的自适应交通流预测模型 | 第121-125页 |
| 6.1.4 仿真实验 | 第125-126页 |
| 6.1.5 实验结果与分析 | 第126-128页 |
| 6.2 DRF-QPSO算法在电力调度系统中的应用 | 第128-136页 |
| 6.2.1 引言 | 第128-129页 |
| 6.2.2 PED问题的数学模型 | 第129-130页 |
| 6.2.3 算法步骤 | 第130-131页 |
| 6.2.4 仿真实验与结果分析 | 第131-136页 |
| 6.3 本章小结 | 第136-137页 |
| 第7章 结论 | 第137-140页 |
| 7.1 本文工作总结及创新点 | 第137-138页 |
| 7.2 进一步工作及展望 | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-158页 |
| 攻读博士学位期间发表的论文及科研成果 | 第158-159页 |
