| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 骨干粒子群优化算法国内外研究现状 | 第10-11页 |
| 1.3 本文的研究意义 | 第11-12页 |
| 1.4 本文的研究成果 | 第12页 |
| 1.5 本文的内容安排 | 第12-13页 |
| 第二章 粒子群优化算法研究基础 | 第13-17页 |
| 2.1 优化问题的数学定义 | 第13页 |
| 2.2 优化算法及其分类 | 第13-14页 |
| 2.3 群智能 | 第14页 |
| 2.4 粒子群优化算法 | 第14-17页 |
| 2.4.1 标准粒子群优化算法 | 第14-15页 |
| 2.4.2 骨干粒子群优化算法 | 第15-17页 |
| 第三章 自学习骨干粒子群优化算法 | 第17-23页 |
| 3.1 引言 | 第17页 |
| 3.2 自学习策略 | 第17-18页 |
| 3.3 自学习BPSO算法具体流程 | 第18-19页 |
| 3.4 仿真实验及分析 | 第19-22页 |
| 3.5 小结 | 第22-23页 |
| 第四章 求解约束优化问题的 ε-骨干粒子群优化算法 | 第23-31页 |
| 4.1 引言 | 第23页 |
| 4.2 约束优化问题的定义 | 第23-24页 |
| 4.3 改进的BPSO算法 | 第24-27页 |
| 4.3.1 ε-比较准则 | 第24-25页 |
| 4.3.2 ε-BPSO更新方程 | 第25-26页 |
| 4.3.3 梯度突变 | 第26页 |
| 4.3.4 ε-BPSO算法流程 | 第26-27页 |
| 4.4 实验分析 | 第27-30页 |
| 4.4.1 β 参数设定 | 第27页 |
| 4.4.2 数值实验及其分析 | 第27-30页 |
| 4.5 小结 | 第30-31页 |
| 第五章 求解动态优化问题的多种群骨干粒子群优化算法 | 第31-39页 |
| 5.1 引言 | 第31页 |
| 5.2 多种群骨干粒子群优化算法 | 第31-34页 |
| 5.2.1 动态环境的检测和响应 | 第31-32页 |
| 5.2.2 MBPSO算法进化方程 | 第32-33页 |
| 5.2.3 多种群策略 | 第33页 |
| 5.2.4 MBPSO算法流程 | 第33-34页 |
| 5.3 模拟实验与分析 | 第34-37页 |
| 5.3.1 实验模型 | 第34页 |
| 5.3.2 反向学习及突变效应 | 第34-36页 |
| 5.3.3 MBPSO算法与其他算法的动态性能比较 | 第36-37页 |
| 5.3.3.1 不同维度下的实验结果 | 第36页 |
| 5.3.3.2 不同变化程度和峰数目的实验结果 | 第36-37页 |
| 5.4 小结 | 第37-39页 |
| 第六章 基于骨干粒子群优化算法的多阈值图像分割方法 | 第39-48页 |
| 6.1 引言 | 第39页 |
| 6.2 最佳阈值的选取 | 第39-41页 |
| 6.2.1 kapur熵算法 | 第39-40页 |
| 6.2.2 f-Otsu算法 | 第40-41页 |
| 6.3 基于SLBPSO的多阈值分割算法 | 第41页 |
| 6.3.1 多阈值分割算法 | 第41页 |
| 6.3.2 阈值分割过程 | 第41页 |
| 6.4 仿真实验与性能分析 | 第41-47页 |
| 6.4.1 参数设置 | 第41-42页 |
| 6.4.2 实验结果 | 第42-47页 |
| 6.5 小结 | 第47-48页 |
| 第七章 总结与展望 | 第48-50页 |
| 7.1 总结 | 第48-49页 |
| 7.2 展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 在校期间研究成果 | 第56页 |
