| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 粒子群优化算法的国内外研究概述 | 第9-10页 |
| 1.2.1 粒子群优化算法的理论研究 | 第9页 |
| 1.2.2 粒子群优化算法的改进研究 | 第9-10页 |
| 1.2.3 粒子群优化算法的应用研究 | 第10页 |
| 1.3 本文的主要研究工作及创新点 | 第10-12页 |
| 1.3.1 组织结构 | 第10-11页 |
| 1.3.2 创新点 | 第11-12页 |
| 第二章 粒子群优化算法和神经网络概述 | 第12-17页 |
| 2.1 粒子群优化算法 | 第12-14页 |
| 2.1.1 粒子群优化算法的简介 | 第12页 |
| 2.1.2 粒子群优化算法的基本原理 | 第12-13页 |
| 2.1.3 粒子群优化算法的基本步骤和流程图 | 第13页 |
| 2.1.4 粒子群优化算法存在的问题 | 第13-14页 |
| 2.2 神经网络 | 第14-16页 |
| 2.2.1 人工神经网络简介 | 第14页 |
| 2.2.2 BP神经网络 | 第14-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 动态调整惯性权重的简化均值粒子群优化算法 | 第17-26页 |
| 3.1 贝塔分布 | 第17页 |
| 3.2 改进的简化粒子群优化算法 | 第17-18页 |
| 3.3 动态惯性权重 | 第18-19页 |
| 3.4 算法流程 | 第19页 |
| 3.5 算法仿真实验 | 第19-25页 |
| 3.5.1 测试函数 | 第19-21页 |
| 3.5.2 固定迭代次数下的收敛性分析 | 第21-24页 |
| 3.5.3 指定精度下的平均迭代次数 | 第24-25页 |
| 3.6 本章小结 | 第25-26页 |
| 第四章 基于S型函数的粒子群优化算法 | 第26-38页 |
| 4.1 S型函数 | 第26-27页 |
| 4.2 基于S型函数的改进粒子群优化算法 | 第27-32页 |
| 4.2.1 算法改进策略分析 | 第27-28页 |
| 4.2.2 算法流程 | 第28页 |
| 4.2.3 算法的性能测试 | 第28-32页 |
| 4.3 基于S型函数的自适应粒子群优化算法 | 第32-37页 |
| 4.3.1 自适应调整因子 | 第32-33页 |
| 4.3.2 算法复杂度分析 | 第33页 |
| 4.3.3 参数?选取实验 | 第33-34页 |
| 4.3.4 算法仿真实验及分析 | 第34-36页 |
| 4.3.5 改进惯性权重策略和位置更新策略的对比试验 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 改进粒子群优化算法在神经网络研究中的应用 | 第38-46页 |
| 5.1 灰色神经网络 | 第38-40页 |
| 5.1.1 灰色模型理论 | 第38-39页 |
| 5.1.2 灰色神经网络模型的建立 | 第39-40页 |
| 5.1.3 灰色神经网络训练流程 | 第40页 |
| 5.2 改进灰色神经网络模型的建立 | 第40-43页 |
| 5.2.1 改进粒子群优化算法策略分析 | 第40-42页 |
| 5.2.2 改进灰色神经网络建模步骤 | 第42-43页 |
| 5.3 改进模型在粮食产量预测中的应用 | 第43-45页 |
| 5.3.1 数据处理 | 第43页 |
| 5.3.2 参数设置 | 第43-44页 |
| 5.3.3 仿真实验结果 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 全文总结 | 第46页 |
| 6.2 工作展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录：作者在攻读硕士学位期间发表的论文及参加的学术活动 | 第52页 |