| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究的背景与意义 | 第8页 |
| 1.2 研究的现状与进展 | 第8-12页 |
| 1.3 研究的内容与结构 | 第12-14页 |
| 2 粒子群算法 | 第14-22页 |
| 2.1 基本粒子群算法 | 第14-16页 |
| 2.1.1 算法原理 | 第14页 |
| 2.1.2 算法描述 | 第14-16页 |
| 2.1.3 算法流程 | 第16页 |
| 2.2 粒子群优化算法的数学模型 | 第16-18页 |
| 2.2.1 带惯性权值的粒子群优化算法 | 第17页 |
| 2.2.2 带收缩因子的粒子群优化算法 | 第17-18页 |
| 2.3 粒子群优化算法中的参数设置 | 第18-19页 |
| 2.4 粒子群优化算法的收敛性分析 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 改进惯性权值的粒子群优化算法 | 第22-30页 |
| 3.1 惯性权值的正弦调整策略 | 第22-23页 |
| 3.2 算法流程 | 第23-24页 |
| 3.3 算法仿真及分析 | 第24-27页 |
| 3.4 本章小结 | 第27-30页 |
| 4 基于Levy变异的反向粒子群优化算法 | 第30-40页 |
| 4.1 反向学习策略 | 第30-31页 |
| 4.2 Levy变异策略 | 第31-32页 |
| 4.3 改进Levy变异策略的反向粒子群算法(OLPSO) | 第32-38页 |
| 4.3.1 OLPSO算法原理 | 第32-33页 |
| 4.3.2 OLPSO算法步骤 | 第33-34页 |
| 4.3.3 OLPSO算法与PSO算法的仿真对比 | 第34-38页 |
| 4.4 本章小结 | 第38-40页 |
| 5 自适应调整的动态粒子群算法 | 第40-48页 |
| 5.1 动态粒子群算法 | 第40页 |
| 5.2 动态粒子群算法中参数的自适应调整 | 第40-41页 |
| 5.2.1 随机惯性权值的设置 | 第40页 |
| 5.2.2 自适应的学习因子 | 第40-41页 |
| 5.3 算法流程 | 第41-42页 |
| 5.4 仿真实验 | 第42-45页 |
| 5.5 改进粒子群算法在投资组合中的应用 | 第45-47页 |
| 5.5.1 收益一定时风险最小的证券组合优化模型 | 第45页 |
| 5.5.2 基于改进粒子群算法优化投资组合系数 | 第45-47页 |
| 5.6 本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读学位期间发表的论文 | 第56-58页 |
| 致谢 | 第58页 |