| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-31页 |
| ·研究背景和意义 | 第15页 |
| ·群智能优化算法 | 第15-20页 |
| ·蚁群优化算法 | 第16-17页 |
| ·粒子群优化算法 | 第17-19页 |
| ·人工蜂群算法 | 第19-20页 |
| ·人工蜂群算法原理及研究现状 | 第20-29页 |
| ·蜜蜂采蜜机理 | 第20-22页 |
| ·算法描述 | 第22-23页 |
| ·算法流程及复杂度分析 | 第23-26页 |
| ·研究现状 | 第26-29页 |
| ·本文主要研究内容 | 第29-31页 |
| 第2章 基于多交换邻域的人工蜂群算法 | 第31-44页 |
| ·引言 | 第31页 |
| ·多交换邻域结构 | 第31-33页 |
| ·基于路径交换邻域的人工蜂群算法 | 第33-34页 |
| ·基于循环交换邻域和混沌的人工蜂群算法 | 第34-36页 |
| ·PN-ABC、CNC-ABC 算法复杂度分析 | 第36-37页 |
| ·PN-ABC、CNC-ABC 算法性能测试 | 第37-43页 |
| ·标准函数 | 第37-39页 |
| ·仿真实验 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于 PN-ABC 算法的混沌系统参数估计 | 第44-54页 |
| ·引言 | 第44-45页 |
| ·混沌系统参数估计问题描述 | 第45-46页 |
| ·数值算例 | 第46-53页 |
| ·用 PN-ABC 算法估计 Lorenz 混沌系统参数 | 第47-50页 |
| ·用 PN-ABC 算法估计 Logistic 时延混沌系统参数 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于 CNC-ABC 算法的分数阶 PID 控制器参数整定 | 第54-66页 |
| ·引言 | 第54-56页 |
| ·分数阶 PID 控制器简介 | 第56-59页 |
| ·分数阶微积分 | 第56-57页 |
| ·PID 控制器 | 第57-58页 |
| ·分数阶 PID 控制器 | 第58-59页 |
| ·基于 CNC-ABC 算法的分数阶 PID 控制器设计 | 第59-61页 |
| ·Bode 的理想参考模型 | 第59-60页 |
| ·性能准则 | 第60页 |
| ·CNC-ABC-FOPID 设计步骤 | 第60-61页 |
| ·基于 CNC-ABC 的 FOPID 控制器在自动调压系统中的应用 | 第61-65页 |
| ·自动调压系统 | 第61-62页 |
| ·仿真实例 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 基于量子人工蜂群算法的非线性系统辨识 | 第66-83页 |
| ·引言 | 第66页 |
| ·量子计算基础 | 第66-67页 |
| ·量子人工蜂群算法 | 第67-70页 |
| ·量子人工蜂群算法原理 | 第67-68页 |
| ·量子人工蜂群算法流程及复杂度分析 | 第68-70页 |
| ·基于支持向量机的非线性系统辨识 | 第70-74页 |
| ·非线性系统辨识 | 第71页 |
| ·支持向量机 | 第71-72页 |
| ·多核最小二乘支持向量机用于函数逼近 | 第72-74页 |
| ·用 QABC 算法选择 MKLSSVM 超参数 | 第74-75页 |
| ·仿真实例 | 第75-82页 |
| ·训练 LSSVM | 第75-79页 |
| ·训练 MKLSSVM | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第6章 基于差分进化人工蜂群算法的 Wiener 模型辨识 | 第83-100页 |
| ·引言 | 第83-84页 |
| ·差分进化算法 | 第84-87页 |
| ·算法原理 | 第84-86页 |
| ·算法流程 | 第86页 |
| ·算法研究现状 | 第86-87页 |
| ·基于差分进化算法的人工蜂群算法 | 第87页 |
| ·DE-ABC 算法复杂度分析 | 第87页 |
| ·Wiener 模型辨识 | 第87-99页 |
| ·问题描述 | 第89-90页 |
| ·DE-ABC 算法辨识 Wiener 模型 | 第90-99页 |
| ·本章小结 | 第99-100页 |
| 结论 | 第100-101页 |
| 参考文献 | 第101-113页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第113-115页 |
| 致谢 | 第115-116页 |
| 作者简介 | 第116页 |
