| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 图清单 | 第12-13页 |
| 表清单 | 第13-15页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-23页 |
| ·研究背景和意义 | 第16页 |
| ·最优化方法 | 第16-17页 |
| ·群体智能算法的特点 | 第17-18页 |
| ·群体智能算法存在的问题 | 第18页 |
| ·粒子群优化算法的研究历史和现状 | 第18-21页 |
| ·本文的研究内容和结构安排 | 第21-23页 |
| 2 粒子群优化算法及其收敛性分析 | 第23-30页 |
| ·引言 | 第23页 |
| ·粒子群优化算法的生物模型 | 第23页 |
| ·粒子群优化算法的数学描述 | 第23-25页 |
| ·粒子群优化算法的实现步骤 | 第25-26页 |
| ·随机算法的收敛准则 | 第26-27页 |
| ·局部收敛准则 | 第27-28页 |
| ·标准粒子群优化算法的收敛性 | 第28-29页 |
| ·小结 | 第29-30页 |
| 3 基于平均评价值动态调整步长因子的粒子群优化算法研究 | 第30-38页 |
| ·引言 | 第30页 |
| ·算法的主要思想 | 第30-31页 |
| ·SAUPSO 算法的实现步骤 | 第31-32页 |
| ·数值实验和结果分析 | 第32-37页 |
| ·小结 | 第37-38页 |
| 4 基于频率确定搜索范围的粒子群优化算法研究 | 第38-48页 |
| ·引言 | 第38页 |
| ·算法的主要思想 | 第38-39页 |
| ·BAPSO 算法的实现步骤 | 第39-40页 |
| ·数值实验和结果分析 | 第40-47页 |
| ·小结 | 第47-48页 |
| 5 基于位置自适应变异的混沌粒子群优化算法研究 | 第48-59页 |
| ·引言 | 第48页 |
| ·混沌粒子群优化算法 | 第48-49页 |
| ·变异效力 | 第49页 |
| ·双重变异 | 第49-50页 |
| ·算法的实现 | 第50-51页 |
| ·数值实验和结果分析 | 第51-57页 |
| ·MCPSO 算法的收敛性分析 | 第57-59页 |
| 6 改进粒子群优化算法在求解背包问题中的应用 | 第59-63页 |
| ·引言 | 第59页 |
| ·0/1 背包问题描述 | 第59-60页 |
| ·粒子群优化算法求解 0/1 背包问题 | 第60-62页 |
| ·小结 | 第62-63页 |
| 7 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |