| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-9页 |
| ·课题背景 | 第7页 |
| ·课题内容 | 第7页 |
| ·课题意义 | 第7-8页 |
| ·本文的组织结构 | 第8-9页 |
| 第二章 并行算法基础 | 第9-11页 |
| ·并行算法的一般概念 | 第9页 |
| ·并行性 | 第9-10页 |
| ·并行算法的性能评价 | 第9-10页 |
| ·并行编程模型 | 第10页 |
| ·MPI 的语言绑定 | 第10-11页 |
| 第三章 几种进化算法 | 第11-22页 |
| ·优化问题 | 第11-12页 |
| ·无约束优化 | 第11页 |
| ·约束优化 | 第11-12页 |
| ·遗传算法（GA） | 第12-16页 |
| ·遗传算法的基本概念 | 第12-13页 |
| ·遗传算法的基本原理 | 第13-15页 |
| ·编码 | 第13-14页 |
| ·产生初始群体 | 第14页 |
| ·计算适应度 | 第14页 |
| ·复制 | 第14页 |
| ·交叉 | 第14-15页 |
| ·变异 | 第15页 |
| ·终止 | 第15页 |
| ·遗传算法的改进 | 第15-16页 |
| ·标准的微粒群算法（SPSO） | 第16-19页 |
| ·经典的微粒群算法（PSO）简介 | 第16页 |
| ·经典的微粒群算法的运算过程 | 第16-17页 |
| ·两种基本的进化模型 | 第17-18页 |
| ·改进的微粒群算法 | 第18-19页 |
| ·改进的微粒群算法与遗传算法的比较 | 第19页 |
| ·基于量子行为的微粒群算法（QPSO） | 第19-22页 |
| ·基于量子行为的微粒群算法简介 | 第19-20页 |
| ·基于量子行为的微粒群算法的运算过程 | 第20-21页 |
| ·基于量子行为的微粒群算法和经典微粒群算法的比较 | 第21-22页 |
| 第四章 进化算法的并行化实现及其应用 | 第22-33页 |
| ·进化算法的并行策略 | 第22-25页 |
| ·并行遗传算法的研究现状 | 第24页 |
| ·粒子群优化算法并行化研究的现状 | 第24-25页 |
| ·粒子群优化算法策略设计及实现 | 第25-26页 |
| ·多群体模型 | 第25页 |
| ·并行PSO 算法思想 | 第25-26页 |
| ·量化粒子群优化算法策略设计及实现 | 第26-29页 |
| ·PQPSO 算法的提出及其思想 | 第26-29页 |
| ·QPSO 算法的不足 | 第27页 |
| ·PQPSO 算法 | 第27-29页 |
| ·PPSO 在多阶段投资组合上的应用 | 第29-33页 |
| ·多阶段投资组合优化简介 | 第29页 |
| ·多阶段投资组合优化模型 | 第29-31页 |
| ·适应性函数作为投资组合的评价 | 第31页 |
| ·PPSO 在多阶段投资组合中的应用 | 第31-33页 |
| 第五章 测试及分析 | 第33-47页 |
| ·测试环境 | 第33页 |
| ·测试结果及分析 | 第33-47页 |
| ·最优化问题的测试结果及分析 | 第33-41页 |
| ·测试函数 | 第33页 |
| ·测试结果 | 第33-41页 |
| ·结论 | 第41页 |
| ·约束优化问题的测试结果及分析 | 第41-44页 |
| ·约束问题的解决方法 | 第41-42页 |
| ·测试函数 | 第42-43页 |
| ·PQPSO 算法与QPSO、PSO 算法目标函数值的比较 | 第43页 |
| ·PQPSO 与QPSO 算法运行时间的比较 | 第43-44页 |
| ·结论 | 第44页 |
| ·PPSO 在多阶段投资组合的优化结果 | 第44-46页 |
| ·结论 | 第46-47页 |
| 第六章 总结与展望 | 第47-48页 |
| ·研究结论 | 第47页 |
| ·研究过程中的一些问题 | 第47页 |
| ·研究展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间发表的论文 | 第51页 |