| 摘要 | 第1-9页 |
| ABSTRACT | 第9-13页 |
| 第一章 绪论 | 第13-16页 |
| §1.1 研究背景 | 第13页 |
| §1.2 研究思路 | 第13-14页 |
| §1.3 本文的主要工作 | 第14页 |
| §1.4 主要创新点 | 第14-15页 |
| §1.5 论文的结构 | 第15-16页 |
| 第二章 粒子群算法 | 第16-27页 |
| §2.1 基本粒子群算法 | 第16-17页 |
| §2.2 粒子群算法的发展 | 第17-18页 |
| §2.3 标准粒子群算法 | 第18页 |
| §2.4 随机算法的收敛准则 | 第18-22页 |
| §2.5 标准粒子群算法的收敛性分析 | 第22-24页 |
| §2.6 其它的变形粒子群算法 | 第24-27页 |
| ·离散的PSO算法 | 第24-25页 |
| ·多目标优化的PSO算法 | 第25-26页 |
| ·约束优化的PSO算法 | 第26页 |
| ·动态优化的PSO算法 | 第26-27页 |
| 第三章 自适应的柯西变异 | 第27-32页 |
| §3.1 高斯变异和柯西变异 | 第27-28页 |
| §3.2 粒子群算法中的变异 | 第28-30页 |
| §3.3 自适应的柯西变异 | 第30-32页 |
| 第四章 基于自适应柯西变异的混合粒子群算法 | 第32-39页 |
| §4.1 算法思想 | 第32页 |
| §4.2 算法实现 | 第32-33页 |
| §4.3 Benchmark问题及参数设置 | 第33-35页 |
| §4.4 实验结果及分析 | 第35-38页 |
| ·HPSO与PSO以及FDR-PSO的实验比较 | 第35页 |
| ·HPSO与PSO、CEP以及FEP的实验比较 | 第35-36页 |
| ·HPSO与PSO的演化对比曲线图 | 第36-37页 |
| ·柯西变异的效率分析 | 第37-38页 |
| §4.5 小结 | 第38-39页 |
| 第五章 基于重新划分多样性和自适应柯西变异的粒子群算法 | 第39-47页 |
| §5.1 算法思想 | 第39页 |
| §5.2 算法实现 | 第39-40页 |
| §5.3 Benchmark问题及参数设置 | 第40-41页 |
| §5.4 实验结果及分析 | 第41-46页 |
| ·RPSO与PSO的实验比较 | 第42-45页 |
| ·平均函数调用次数 | 第45页 |
| ·群体多样性分析 | 第45-46页 |
| §5.5 小结 | 第46-47页 |
| 第六章 基于反向学习和自适应柯西变异的粒子群算法 | 第47-59页 |
| §6.1 算法思想 | 第47-48页 |
| §6.2 算法实现 | 第48-50页 |
| §6.3 Benchmark问题及参数设置 | 第50-51页 |
| §6.4 实验结果及分析 | 第51-58页 |
| ·四种PSO算法的实验比较 | 第51-55页 |
| ·反向概率P_0 | 第55-56页 |
| ·反向算子的接收率 | 第56页 |
| ·自适应柯西变异算子的影响 | 第56-58页 |
| §6.5 小结 | 第58-59页 |
| 第七章 结论及未来工作计划 | 第59-61页 |
| §7.1 总结 | 第59-60页 |
| §7.2 未来工作计划 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |