| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的提出、目的及意义 | 第8-9页 |
| ·群智能优化算法基本原理 | 第9-10页 |
| ·粒子群优化算法的基本原理 | 第9页 |
| ·蚁群优化算法的基本原理 | 第9-10页 |
| ·群智能优化算法的研究现状 | 第10-12页 |
| ·粒子群优化算法研究现状 | 第10-11页 |
| ·蚁群优化算法研究现状 | 第11-12页 |
| ·本文主要研究内容及组织结构 | 第12-14页 |
| ·主要研究内容 | 第12页 |
| ·组织结构 | 第12-14页 |
| 第二章 群智能优化算法综述 | 第14-35页 |
| ·粒子群优化算法综述 | 第14-18页 |
| ·粒子群优化算法的起源 | 第14-15页 |
| ·粒子群优化算法数学描述 | 第15-16页 |
| ·粒子群优化算法参数分析 | 第16-17页 |
| ·粒子群优化算法流程 | 第17-18页 |
| ·算法优缺点 | 第18页 |
| ·粒子群优化算法的改进综述 | 第18-22页 |
| ·提高收敛速度 | 第19-20页 |
| ·算法的离散化 | 第20-21页 |
| ·提高种群多样性 | 第21-22页 |
| ·粒子群优化算法的应用综述 | 第22-25页 |
| ·蚁群优化算法综述 | 第25-31页 |
| ·蚁群优化算法的起源 | 第25-26页 |
| ·蚁群优化算法数学描述 | 第26-28页 |
| ·蚁群优化算法参数分析 | 第28-29页 |
| ·蚁群优化算法流程 | 第29-31页 |
| ·算法优缺点 | 第31页 |
| ·蚁群优化算法的改进综述 | 第31-33页 |
| ·离散域 | 第31-32页 |
| ·连续域 | 第32页 |
| ·硬件实现 | 第32-33页 |
| ·蚁群优化算法的应用综述 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 一种自适应搜索区域的粒子群优化算法 | 第35-42页 |
| ·引言 | 第35页 |
| ·SSAPSO算法设计原理 | 第35-36页 |
| ·SSAPSO算法实现流程 | 第36-37页 |
| ·SSAPSO算法数值仿真实验 | 第37-41页 |
| ·测试函数 | 第37-39页 |
| ·实验结果与讨论 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于粒子群优化算法的聚类分析 | 第42-48页 |
| ·引言 | 第42页 |
| ·K-均值聚类算法 | 第42-43页 |
| ·基于粒子群优化算法的聚类算法 | 第43-45页 |
| ·算法测试与比较分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于PSO的聚类算法与蚁群算法结合应用于TSP问题 | 第48-53页 |
| ·引言 | 第48页 |
| ·TSP问题描述 | 第48-49页 |
| ·TSP分段算法 | 第49-50页 |
| ·仿真实验及结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间取得的学术成果 | 第60-61页 |
| 致谢 | 第61页 |