| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-24页 |
| ·引言 | 第8页 |
| ·约束优化问题及其传统求解算法 | 第8-19页 |
| ·BP神经网络 | 第19-23页 |
| ·本文的主要工作及结构安排 | 第23-24页 |
| 第2章 粒子群算法 | 第24-32页 |
| ·引言 | 第24页 |
| ·原始粒子群算法 | 第24-28页 |
| ·二进制粒子群算法 | 第28-29页 |
| ·国内外研究现状 | 第29-30页 |
| ·粒子群算法的应用 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第3章 粒子群算法在约束优化问题中的应用 | 第32-44页 |
| ·引言 | 第32页 |
| ·不可行点的处理方案 | 第32-33页 |
| ·差分演化算法 | 第33-35页 |
| ·融合差分演化的混合粒子群算法 | 第35-36页 |
| ·数值模拟 | 第36-41页 |
| ·本章小结 | 第41-44页 |
| 第4章 简约多群体粒子群算法在BP神经网络中的应用 | 第44-58页 |
| ·引言 | 第44页 |
| ·BP神经网络在模式识别中的应用 | 第44-45页 |
| ·简约多群体粒子群算法 | 第45-48页 |
| ·多群体粒子群算法训练BP神经网络的编码方案 | 第48-49页 |
| ·数值模拟 | 第49-56页 |
| ·本章小结 | 第56-58页 |
| 总结 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |