| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1. 研究背景及意义 | 第8页 |
| 2. 发展现状 | 第8-10页 |
| 3. 存在问题及本文工作 | 第10-11页 |
| 4. 文章框架 | 第11-13页 |
| 第二章 基本粒子群算法及分析 | 第13-21页 |
| 1. 引言 | 第13页 |
| 2. 原始粒子群算法 | 第13-18页 |
| 2.1 粒子群算法理论 | 第13-14页 |
| 2.2 算法流程 | 第14页 |
| 2.3 粒子运动分析 | 第14-16页 |
| 2.4 种群多样性分析 | 第16-17页 |
| 2.5 局部最优分析 | 第17-18页 |
| 3. 经典的改进粒子群算法 | 第18-20页 |
| 3.1 带权重的粒子群算法 | 第18-19页 |
| 3.2 带收缩因子的粒子群算法 | 第19-20页 |
| 4. 本章总结 | 第20-21页 |
| 第三章 基于区域动态概率变异及二分法的PSO算法 | 第21-35页 |
| 1. 引言 | 第21页 |
| 2. 带变异的PSO算法 | 第21-22页 |
| 2.1 变异条件 | 第21-22页 |
| 2.2 变异方式 | 第22页 |
| 3. 新的变异机制 | 第22-25页 |
| 3.1 变异条件 | 第22-23页 |
| 3.2 基于区域访问量的变异 | 第23-25页 |
| 4. 区域二分法 | 第25-27页 |
| 5. 算法流程 | 第27-28页 |
| 6. 实验结果与分析 | 第28-34页 |
| 7. 结论 | 第34-35页 |
| 第四章 基于区域动态概率及二分法的单粒子算法 | 第35-43页 |
| 1. 引言 | 第35页 |
| 2. 单粒子迭代搜索机制 | 第35-38页 |
| 2.1 单粒子迭代复杂度分析 | 第35-36页 |
| 2.2 基于区域概率变异及二分法的单粒子算法 | 第36-37页 |
| 2.3 迭代操作 | 第37-38页 |
| 3. 算法流程 | 第38页 |
| 4. 实验结果与分析 | 第38-42页 |
| 5. 本章总结 | 第42-43页 |
| 第五章 基于区域动态概率及二分法的自适应PSO算法 | 第43-53页 |
| 1. 引言 | 第43页 |
| 2. 区域适应度分析 | 第43-45页 |
| 2.1 平原区域 | 第44页 |
| 2.2 丘陵区域 | 第44页 |
| 2.3 山地区域 | 第44-45页 |
| 3. 局部搜索 | 第45-46页 |
| 4. 基于动态概率及二分法的自适应PSO算法 | 第46-47页 |
| 5. 实验结果与分析 | 第47-48页 |
| 6. K-means算法 | 第48-50页 |
| 7. 基于新PSO算法的K-means算法 | 第50-51页 |
| 8. 实验结果及分析 | 第51-52页 |
| 9. 本章总结 | 第52-53页 |
| 第六章 总结与展望 | 第53-56页 |
| 1. 主要成果与创新点 | 第53-54页 |
| 2. 工作展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |