| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-17页 |
| ·引言 | 第8-9页 |
| ·计算智能 | 第9-15页 |
| ·进化计算 | 第9-12页 |
| ·遗传算法 | 第10-11页 |
| ·进化策略 | 第11-12页 |
| ·进化规划 | 第12页 |
| ·群体智能 | 第12-15页 |
| ·蚁群算法 | 第12-14页 |
| ·微粒群优化算法 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的组织 | 第16-17页 |
| 第二章 微粒群优化算法原理 | 第17-24页 |
| ·引言 | 第17页 |
| ·原始微粒群优化算法 | 第17-19页 |
| ·算法原理 | 第17-18页 |
| ·算法流程 | 第18-19页 |
| ·全局模型和局部模型 | 第19页 |
| ·标准微粒群优化算法 | 第19-21页 |
| ·惯性权重(inertia weight) | 第19-20页 |
| ·收缩因子(constriction factor)的引入 | 第20-21页 |
| ·微粒群优化算法参数选取 | 第21-22页 |
| ·算法参数 | 第21-22页 |
| ·惯性权重的取值分析 | 第22页 |
| ·种群规模、收缩因子和最大速度限制的取值分析 | 第22页 |
| ·微粒群优化算法与遗传算法比较 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 微粒群优化在控制器参数整定中的应用 | 第24-45页 |
| ·引言 | 第24-25页 |
| ·应用PSO算法对传统PID控制器参数整定研究 | 第25-33页 |
| ·PID控制器 | 第25-26页 |
| ·控制器参数对控制性能的影响 | 第26-27页 |
| ·基于PSO算法的PID控制器参数整定算法 | 第27-28页 |
| ·仿真试验及结果 | 第28-33页 |
| ·应用PSO算法对鲁棒PID控制器参数整定研究 | 第33-44页 |
| ·鲁棒PID控制器 | 第33-34页 |
| ·协作进化(co-evolutionary)PSO | 第34-36页 |
| ·仿真试验及结果 | 第36-44页 |
| ·小结 | 第44-45页 |
| 第四章 微粒群优化算法在模型参数估计中的应用 | 第45-52页 |
| ·引言 | 第45-46页 |
| ·模型参数估计的问题描述 | 第46页 |
| ·基于微粒群优化的模型参数估计算法 | 第46-47页 |
| ·仿真试验及结果 | 第47-51页 |
| ·小结 | 第51-52页 |
| 第五章 基于微粒群优化算法模型参考自适应控制 | 第52-61页 |
| ·引言 | 第52页 |
| ·基于PSO算法的模型参考自适应控制系统 | 第52-54页 |
| ·基于PSO算法的在线优化问题 | 第53-54页 |
| ·算法设计 | 第54页 |
| ·仿真试验及结果 | 第54-59页 |
| ·小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72-73页 |
| 作者硕士期间发表的论文和参与的项目 | 第73页 |