| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题的研究背景及意义 | 第7-8页 |
| ·啤酒发酵过程控制的发展与研究现状 | 第8-9页 |
| ·群智能算法的发展与研究现状 | 第9-11页 |
| ·粒子群算法的发展与研究现状 | 第9-10页 |
| ·蚁群算法的发展与研究现状 | 第10-11页 |
| ·本课题研究的主要内容 | 第11-13页 |
| 第二章 粒子群优化算法 | 第13-23页 |
| ·基本粒子群算法 | 第13-15页 |
| ·算法的数学描述 | 第13-14页 |
| ·基本粒子群算法的两种模型 | 第14-15页 |
| ·标准粒子群算法 | 第15-19页 |
| ·两种常见的标准粒子群算法 | 第15-17页 |
| ·标准粒子群算法流程 | 第17-18页 |
| ·标准粒子群算法主要参数 | 第18-19页 |
| ·粒子群算法的收敛性分析 | 第19-20页 |
| ·粒子群算法的应用 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 研究并改进粒子群优化算法 | 第23-37页 |
| ·基于蜂群算法的粒子群算法 | 第23-28页 |
| ·人工蜂群算法 | 第23-24页 |
| ·PSO-ABC 算法原理 | 第24页 |
| ·算法流程 | 第24-25页 |
| ·实验结果及分析 | 第25-28页 |
| ·带位置约束因子的自适应粒子群算法 | 第28-32页 |
| ·IPSO 算法原理 | 第28-29页 |
| ·算法流程 | 第29-30页 |
| ·实验结果及分析 | 第30-32页 |
| ·带交叉因子的自适应粒子群算法 | 第32-36页 |
| ·MPSO 算法原理 | 第32-33页 |
| ·算法流程 | 第33-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 改进的粒子群算法在啤酒发酵温控系统中的应用 | 第37-51页 |
| ·啤酒发酵过程概述 | 第37-40页 |
| ·啤酒发酵的工艺流程 | 第37-38页 |
| ·啤酒发酵的被控对象 | 第38-39页 |
| ·啤酒发酵温度控制工艺要求 | 第39-40页 |
| ·啤酒发酵罐温度被控对象的数学模型 | 第40-41页 |
| ·啤酒发酵温度控制系统 | 第41页 |
| ·PSO-ABC 算法在啤酒发酵温度控制系统中的应用 | 第41-43页 |
| ·基于 PSO-ABC 算法的 PID 控制器 | 第41-42页 |
| ·仿真研究 | 第42-43页 |
| ·MPSO 算法在啤酒发酵温度控制系统中的应用 | 第43-49页 |
| ·BP 神经网络 PID 控制器 | 第44-46页 |
| ·基于 MPSO 算法的 BP 神经网络 PID 控制器 | 第46-47页 |
| ·仿真研究 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 结论与展望 | 第51-53页 |
| ·论文总结 | 第51-52页 |
| ·前景展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录：攻读硕士学位期间发表论文清单 | 第59页 |
