| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状及存在的问题 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-13页 |
| 2 粒子群算法参数改进及其应用 | 第13-35页 |
| 2.1 粒子群优化算法 | 第13-15页 |
| 2.1.1 算法的起源与原理 | 第13页 |
| 2.1.2 粒子群优化算法的数学描述 | 第13-14页 |
| 2.1.3 粒子群算法流程 | 第14-15页 |
| 2.2 关于粒子群算法不同惯性权重的比较 | 第15-16页 |
| 2.2.1 线性递减的惯性权重 | 第15页 |
| 2.2.2 后期随机的惯性权重 | 第15-16页 |
| 2.2.3 非线性动态的惯性权重 | 第16页 |
| 2.3 粒子群算法的惯性权重改进 | 第16-17页 |
| 2.3.1 惯性权重基于三角函数变化 | 第16-17页 |
| 2.3.2 TFPSO流程 | 第17页 |
| 2.4 粒子群算法的学习因子改进 | 第17-19页 |
| 2.4.1 学习因子基于指数变化 | 第18页 |
| 2.4.2 NDLFPSO流程 | 第18-19页 |
| 2.5 数值实验与结果分析 | 第19-30页 |
| 2.5.1 实验选取的基准测试函数 | 第19页 |
| 2.5.2 实验一:wPSO、MPSO和NPSO实验结果对比及分析 | 第19-24页 |
| 2.5.3 实验二:wPSO、LDPSO和TFPSO实验结果对比及分析 | 第24-27页 |
| 2.5.4 实验三:wPSO和NDLFPSO实验结果对比及分析 | 第27-30页 |
| 2.6 NDLFPSO中粒子群在搜索空间内的运动状态 | 第30-31页 |
| 2.7 NDLFPSO优化旅行商问题 | 第31-35页 |
| 2.7.1 旅行商问题的描述 | 第31页 |
| 2.7.2 改进的粒子群算法应用于TSP | 第31-35页 |
| 3 简化粒子群算法改进研究及其应用 | 第35-48页 |
| 3.1 简化粒子群算法 | 第35页 |
| 3.2 简化粒子群算法的改进 | 第35-37页 |
| 3.2.1 惯性权重基于指数函数变化 | 第35-36页 |
| 3.2.2 NSPSO流程 | 第36-37页 |
| 3.3 数值实验及结果分析 | 第37-40页 |
| 3.4 改进算法求解PID参数整定 | 第40-45页 |
| 3.4.1 PID控制描述 | 第40-41页 |
| 3.4.2 NSPSO求解PID参数流程 | 第41页 |
| 3.4.3 仿真实验及结果分析 | 第41-45页 |
| 3.5 简化粒子群算法单个粒子的马尔科夫过程分析 | 第45-46页 |
| 3.6 简化粒子群算法群体粒子的马尔科夫过程分析 | 第46-48页 |
| 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间的研究成果 | 第53页 |
