| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究的目的、意义 | 第8-9页 |
| ·目前研究现状及存在的问题 | 第9-10页 |
| ·课题主要完成的工作 | 第10页 |
| ·本文章节安排 | 第10-12页 |
| 第二章 自适应变异量子粒子群优化算法及其优化性能 | 第12-23页 |
| ·粒子群优化概述 | 第12-15页 |
| ·群智能和粒子群优化概念 | 第12页 |
| ·粒子群优化算法 | 第12-15页 |
| ·量子粒子群优化算法 | 第15-17页 |
| ·标准PSO 算法的进化方程 | 第15-16页 |
| ·量子粒子群算法 | 第16-17页 |
| ·自适应变异量子粒子群优化算法 | 第17-21页 |
| ·差异性的丢失 | 第17-18页 |
| ·变异算子 | 第18页 |
| ·自适应变异概率 | 第18页 |
| ·精英保留策略 | 第18-19页 |
| ·AMQPSO 算法流程 | 第19页 |
| ·AMQPSO 算法的优点 | 第19-20页 |
| ·AMQPSO 的搜索优化性能 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 AMQPSO 在系统辨识中的应用研究 | 第23-31页 |
| ·系统辨识的基本原理 | 第23-25页 |
| ·AMQPSO 用于系统辨识 | 第25页 |
| ·AMQPSO 用于参数辨识的思想 | 第25页 |
| ·AMQPSO 适应度函数的选取 | 第25页 |
| ·算法描述 | 第25页 |
| ·仿真实验和分析 | 第25-29页 |
| ·三阶线性系统辨识 | 第25-26页 |
| ·输出端加有色噪声三阶线性系统辨识 | 第26-28页 |
| ·非线性系统辨识 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 AMQPSO 在求解非线性方程和方程组中的应用研究 | 第31-36页 |
| ·概述 | 第31页 |
| ·问题转化 | 第31-32页 |
| ·算法步骤 | 第32页 |
| ·仿真实验和分析 | 第32-34页 |
| ·非线性方程 | 第32-33页 |
| ·非线性方程组 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第五章 基于AMQPSO 和BP 算法的混合算法ABHA | 第36-39页 |
| ·BP 学习算法基本概念 | 第36-37页 |
| ·标准BP 学习算法 | 第36-37页 |
| ·BP 算法的缺陷 | 第37页 |
| ·基于AMQPSO 和BP 算法的混合算法ABHA | 第37-38页 |
| ·混合算法ABHA | 第37页 |
| ·适应度函数的选取 | 第37页 |
| ·算法设计及实现 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第六章 混合算法ABHA 优化模糊PETRI 网的参数 | 第39-50页 |
| ·模糊PETRI 网的基本原理 | 第39-46页 |
| ·模糊产生式规则 | 第39页 |
| ·模糊Petri 网 | 第39-40页 |
| ·模糊推理中连续函数的建立 | 第40-41页 |
| ·模糊推理算法 | 第41-45页 |
| ·无回路的FPN 模型转化为层次结构的完备性证明 | 第45-46页 |
| ·基于混合算法ABHA 的FPN 参数优化 | 第46-47页 |
| ·适应度函数的选取 | 第46页 |
| ·ABHA 进行FPN 参数优化的具体流程 | 第46-47页 |
| ·仿真实验和分析 | 第47-49页 |
| ·ABHA 优化性能分析 | 第47-48页 |
| ·ABHA 泛化性能分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第七章 结论与展望 | 第50-51页 |
| ·结论 | 第50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录：攻读硕士学位期间发表的论文 | 第56页 |
