| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7-11页 |
| ·课题意义 | 第7-9页 |
| ·群体智能(Swarm Intelligence) | 第9-11页 |
| ·粒子群算法的起源与研究现状 | 第11-12页 |
| ·粒子群算法的应用 | 第12-13页 |
| ·论文的主要工作和内容安排 | 第13-15页 |
| 第二章 标准粒子群算法介绍 | 第15-23页 |
| ·粒子群优化算法 | 第15-17页 |
| ·粒子群算法的原理 | 第15页 |
| ·粒子群算法的数学模型 | 第15-17页 |
| ·标准的粒子群算法 | 第17-20页 |
| ·标准粒子群算法 | 第17页 |
| ·标准PSO 算法流程及其框图 | 第17-18页 |
| ·标准粒子群算法参数分析 | 第18-19页 |
| ·粒子群算法中的参数设置 | 第19-20页 |
| ·小结 | 第20-23页 |
| 第三章 改进的粒子群算法 | 第23-33页 |
| ·Supervisor-Student 模型的粒子群算法 | 第23-24页 |
| ·并行PSO 算法（CONPSO） | 第24-26页 |
| ·适应度距离比粒子群算法 | 第25-26页 |
| ·并行粒子群算法 | 第26页 |
| ·具有极强的局部收敛特性的PSO 算法(GCPSO) | 第26-27页 |
| ·几种自适应性的粒子群优化算法 | 第27-29页 |
| ·自适应参数的粒子群优化算法 | 第27-28页 |
| ·适应性的粒子群算法 | 第28-29页 |
| ·邻域变换的粒子群算法 | 第29-30页 |
| ·采用函数拉伸和排斥技术的粒子群算法 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第四章 新的交叉粒子群算法和数值实验 | 第33-41页 |
| ·算法思想 | 第33-34页 |
| ·交叉粒子群算法 | 第34-36页 |
| ·函数测试 | 第36-40页 |
| ·算法I 的实验结果 | 第36-39页 |
| ·算法II 的实验结果 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第五章 交叉粒子群算法的应用 | 第41-51页 |
| ·交叉粒子群算法在阵列天线设计中的应用 | 第41-46页 |
| ·六边形天线阵列 | 第41-42页 |
| ·阵列天线模型分析及适应度函数构造 | 第42-43页 |
| ·实验结果 | 第43-46页 |
| ·交叉粒子群算法在模式识别问题中的应用 | 第46-50页 |
| ·线性支持向量机简介 | 第46-48页 |
| ·线性分类问题的无约束转化 | 第48页 |
| ·数值试验 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·下一步工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 在学期间的研究工作 | 第59页 |
| 撰写论文 | 第59页 |
