| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·粒子群优化算法的研究现状 | 第7-9页 |
| ·主要研究内容和结构安排 | 第9-11页 |
| 第2章 标准粒子群优化算法 | 第11-24页 |
| ·算法的基本原理 | 第11-12页 |
| ·算法的参数分析 | 第12-15页 |
| ·算法的收敛性分析 | 第15-16页 |
| ·算法的步骤及流程图 | 第16页 |
| ·算法的应用 | 第16-18页 |
| ·函数优化问题 | 第16-17页 |
| ·神经网络训练 | 第17-18页 |
| ·数据挖掘领域 | 第18页 |
| ·组合优化问题 | 第18页 |
| ·工业生产优化控制 | 第18页 |
| ·算法的改进方法 | 第18-23页 |
| ·惯性权重递减法 | 第19-20页 |
| ·动态随机搜索法 | 第20-21页 |
| ·佳点集构造初始化法 | 第21-22页 |
| ·动态分级粒子群优化算法 | 第22-23页 |
| ·维变异粒子群优化算法 | 第23页 |
| ·小结 | 第23-24页 |
| 第3章 嵌入共轭梯度法的混合粒子群优化算法 | 第24-35页 |
| ·引言 | 第24页 |
| ·三种经典无约束最优化方法 | 第24-26页 |
| ·最速下降法 | 第24页 |
| ·牛顿法 | 第24-25页 |
| ·共轭梯度法 | 第25-26页 |
| ·嵌入共轭梯度法的混合粒子群优化算法 | 第26-29页 |
| ·实验结果与分析 | 第29-34页 |
| ·小结 | 第34-35页 |
| 第4章 基于增广 Lagrange 函数的改进粒子群优化算法 | 第35-44页 |
| ·约束优化问题 | 第35页 |
| ·约束条件处理方法 | 第35-39页 |
| ·内点罚函数法 | 第35-36页 |
| ·外点罚函数法 | 第36-37页 |
| ·多目标优化方法 | 第37页 |
| ·增广 Lagrange 乘子法 | 第37-39页 |
| ·基于 Lagrange 函数的改进粒子群优化算法 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·小结 | 第43-44页 |
| 第5章 改进粒子群优化算法在多元方程组求解中的应用 | 第44-51页 |
| ·求解模型的建立 | 第44-45页 |
| ·算法的实验结果与分析 | 第45-49页 |
| ·小结 | 第49-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 附录 | 第53-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 研究生学位期间主要研究成果 | 第62页 |
