| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·选题背景及意义 | 第8-9页 |
| ·进化算法 | 第9-12页 |
| ·最优化问题 | 第9-10页 |
| ·进化计算 | 第10-11页 |
| ·群体智能算法 | 第11-12页 |
| ·进化算法、粒子群优化算法及量子行为粒子群优化算法 | 第12-15页 |
| ·进化算法与PSO | 第12-14页 |
| ·遗传算法与PSO | 第14-15页 |
| ·QPSO 与PSO | 第15页 |
| ·论文的主要工作 | 第15-17页 |
| 第二章 粒子群算法及其改进算法 | 第17-27页 |
| ·引言 | 第17页 |
| ·基本粒子群算法 | 第17-21页 |
| ·粒子群算法的提出 | 第17-18页 |
| ·算法原理 | 第18-20页 |
| ·算法流程 | 第20页 |
| ·算法的社会行为分析 | 第20-21页 |
| ·粒子群算法的发展与改进 | 第21-24页 |
| ·惯性权重的改进 | 第21页 |
| ·带有收缩因子的粒子群算法 | 第21-22页 |
| ·混合粒子群算法 | 第22-23页 |
| ·协同粒子群算法 | 第23页 |
| ·离散粒子群算法 | 第23-24页 |
| ·其他的改进粒子群算法 | 第24页 |
| ·粒子群优化算法的应用 | 第24-25页 |
| ·粒子群优化算法的缺点及潜在危险特性 | 第25-26页 |
| ·粒子群算法的缺点 | 第25-26页 |
| ·粒子群算法潜在的危险性 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 量子粒子群优化算法 | 第27-35页 |
| ·引言 | 第27页 |
| ·基于Delta势阱模型的量子行为粒子群算法 | 第27-32页 |
| ·量子Delta 势阱模型的建立 | 第27-29页 |
| ·粒子位置的测量 | 第29-30页 |
| ·量子谐振荡模型 | 第30-31页 |
| ·粒子的收敛性 | 第31-32页 |
| ·参数控制方法 | 第32页 |
| ·量子行为粒子群优化算法 | 第32-34页 |
| ·具有量子行为粒子群算法的优点 | 第32-33页 |
| ·量子行为粒子群算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 多策略的量子行为粒子群算法 | 第35-49页 |
| ·引言 | 第35页 |
| ·具有分工策略的量子行为粒子群优化算法 | 第35-41页 |
| ·具有分工策略的两种改进算法 | 第36-38页 |
| ·实验设置和实验结果 | 第38-41页 |
| ·多方法协作的QPSO 算法 | 第41-48页 |
| ·多方法协作优化方法简介 | 第41-43页 |
| ·基于QPSO 算法的多方法协作优化算法 | 第43-46页 |
| ·参与协作的优化方法 | 第43-44页 |
| ·基于QPSO 算法的多方法协作优化算法 | 第44-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 量子粒子群在整数规划与车辆路径问题中的应用 | 第49-63页 |
| ·引言 | 第49页 |
| ·QPSO 算法求解整数规划 | 第49-55页 |
| ·测试函数与实验设置 | 第50-51页 |
| ·实验结果与讨论 | 第51-55页 |
| ·基于PSO 和QPSO 的车辆路径问题 | 第55-62页 |
| ·车辆路径问题VRP 的描述 | 第55页 |
| ·车辆路径问题的数学模型 | 第55-57页 |
| ·非满载车辆路径问题 | 第55-56页 |
| ·带时间窗车辆路径问题 | 第56-57页 |
| ·求解车辆路径模型的粒子群算法和量子粒子群算法 | 第57-60页 |
| ·算法实验结果分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录：攻读硕士学位期间发表的论文 | 第71页 |