| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-12页 |
| ·群智能算法研究背景 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要内容和创新点 | 第11-12页 |
| 第二章 粒子群算法 | 第12-19页 |
| ·粒子群算法简介 | 第12页 |
| ·基本粒子群算法 | 第12-13页 |
| ·粒子群算法流程 | 第13-14页 |
| ·粒子群算法的改进 | 第14-17页 |
| ·参数的改进 | 第15-16页 |
| ·协同PSO算法 | 第16页 |
| ·离散PSO算法 | 第16-17页 |
| ·粒子群算法的应用 | 第17-18页 |
| ·本章总结 | 第18-19页 |
| 第三章 基于均值的云自适应粒子群算法 | 第19-27页 |
| ·云理论 | 第19页 |
| ·基于均值的云自适应粒子群算法（CAMPSO） | 第19-21页 |
| ·自适应调整策略 | 第19-20页 |
| ·云自适应均值粒子群优化算法 | 第20-21页 |
| ·算法实现 | 第21页 |
| ·实验仿真 | 第21-26页 |
| ·实验函数 | 第21-22页 |
| ·实验结果 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于三角形更新规则的自适应粒子群算法 | 第27-33页 |
| ·随机惯性权重的构造 | 第27-28页 |
| ·基于三角形更新规则的自适应粒子群算法 | 第28页 |
| ·算法实现 | 第28页 |
| ·实验仿真 | 第28-32页 |
| ·测试函数 | 第28-30页 |
| ·实验结果 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 基于GSO的PSO算法及在约束优化中的应用 | 第33-44页 |
| ·约束处理的转化及数学模型 | 第33-34页 |
| ·约束处理的转化 | 第33-34页 |
| ·数学模型 | 第34页 |
| ·基于萤火虫思想的粒子群优化算法 | 第34-36页 |
| ·人工萤火虫算法 | 第34-35页 |
| ·基于萤火虫思想的粒子群优化算法 | 第35-36页 |
| ·算法实现 | 第36页 |
| ·数值仿真与分析 | 第36-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·研究展望 | 第44-46页 |
| 参考文献 | 第46-53页 |
| 附录 | 第53-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间参加的科研项目 | 第62-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |