| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 粒子群算法的理论研究现状 | 第13-15页 |
| 1.2.2 粒子群算法的应用研究现状 | 第15-17页 |
| 1.3 论文研究目的和内容 | 第17-18页 |
| 1.4 论文结构与章节安排 | 第18-20页 |
| 第2章 相关理论概述 | 第20-35页 |
| 2.1 粒子群算法概述 | 第20-23页 |
| 2.1.1 原始粒子群算法 | 第20-21页 |
| 2.1.2 标准粒子群算法 | 第21-22页 |
| 2.1.3 粒子群算法参数分析 | 第22-23页 |
| 2.2 人工免疫系统概述 | 第23-27页 |
| 2.2.1 人工免疫系统的发展 | 第23-25页 |
| 2.2.2 人工免疫算法 | 第25-27页 |
| 2.3 控制器参数优化概述 | 第27-29页 |
| 2.3.1 PID控制器 | 第28页 |
| 2.3.2 PID控制的基本原理 | 第28-29页 |
| 2.4 复杂网络社区发现概述 | 第29-34页 |
| 2.4.1 复杂网络的特性 | 第29-31页 |
| 2.4.2 复杂网络社区发现算法综述 | 第31-32页 |
| 2.4.3 复杂网络社区发现的运用 | 第32-34页 |
| 2.5 小结 | 第34-35页 |
| 第3章 HCSPSO算法及其在控制器参数优化中的应用 | 第35-46页 |
| 3.1 混合克隆选择粒子群算法设计 | 第35-36页 |
| 3.1.1 克隆选择策略 | 第35-36页 |
| 3.1.2 HCSPSO算法流程 | 第36页 |
| 3.1.3 HCSPSO时间复杂度分析 | 第36页 |
| 3.2 函数测试实验及结果分析 | 第36-42页 |
| 3.2.1 测试函数及参数设置 | 第36-38页 |
| 3.2.2 函数测试实验 | 第38-42页 |
| 3.3 控制器参数优化设计 | 第42-45页 |
| 3.3.1 适应度评价函数的选取 | 第42-43页 |
| 3.3.2 HCSPSO-PID控制器优化方法步骤 | 第43页 |
| 3.3.3 仿真实验及结果分析 | 第43-45页 |
| 3.4 小结 | 第45-46页 |
| 第4章 LIPSO算法设计及其在社区发现中的应用 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 基于LIPSO的复杂网络社区发现算法设计 | 第46-49页 |
| 4.3 评价指标的选取和实验准备 | 第49-50页 |
| 4.3.1 算法评价指标的选取 | 第49页 |
| 4.3.2 算法实验环境参数及比较算法 | 第49-50页 |
| 4.4 仿真实验与结果分析 | 第50-55页 |
| 4.4.1 计算机生成的网络实验 | 第50-52页 |
| 4.4.2 真实世界网络实验 | 第52-55页 |
| 4.5 小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录A (攻读学位期间发表的学术论文) | 第64-65页 |
| 附录B (攻读学位期间参与的科研课题) | 第65页 |