首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

粒子群优化算法的改进研究及应用

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第11-19页
    1.1 课题研究的背景与意义第11-12页
    1.2 国内外研究现状第12-16页
        1.2.1 国外粒子群算法的研究第13-15页
        1.2.2 国内粒子群算法的研究第15-16页
    1.3 本文研究内容与组织结构第16-18页
    1.4 本章小结第18-19页
第二章 标准粒子群算法研究综述第19-26页
    2.1 粒子群算法介绍第19-20页
        2.1.1 粒子群算法的起源第19-20页
    2.2 粒子群算法原理第20-23页
        2.2.1 原始粒子群优化算法第20-21页
        2.2.2 标准粒子群优化算法第21-22页
        2.2.3 标准PSO算法流程第22-23页
    2.3 粒子群算法特点及评价指标第23-25页
    2.4 本章小结第25-26页
第三章 联合PSO算法及其收敛性第26-36页
    3.1 引言第26页
    3.2 粒子群算法的缺点第26-27页
    3.3 联合粒子群优化算法第27-32页
        3.3.1 FEO优化算法原理第27-29页
        3.3.2 FEO优化算法流程第29-30页
        3.3.3 FEPSO联合优化算法第30-32页
    3.4 FEPSO联合优化算法收敛性证明第32-33页
    3.5 实验结果及分析第33-34页
    3.6 本章小结第34-36页
第四章 融合分类与拓展的PSO优化算法第36-50页
    4.1 引言第36-37页
    4.2 基于分类优化拓展的PSO算法第37-39页
        4.2.1 分类策略第37-38页
        4.2.2 拓展策略第38-39页
    4.3 COE-PSO算法原理第39-40页
    4.4 实验结果及分析第40-46页
        4.4.1 测试函数第40-42页
        4.4.2 算法比较与分析第42-46页
    4.5 COE-PSO算法在水文频率适线分析中的应用第46-48页
        4.5.1 频率曲线适线准则第46-47页
        4.5.2 实验结果第47-48页
        4.5.3 结果分析第48页
    4.6 COE-PSO算法计算复杂度分析第48页
    4.7 本章小结第48-50页
第五章 总结与展望第50-52页
    5.1 工作总结第50-51页
    5.2 展望第51-52页
参考文献第52-57页
致谢第57-59页
附录A (攻读硕士学位期间发表论文目录)第59-60页
附录B (攻读硕士学位期间参与项目)第60页

论文共60页,点击 下载论文
上一篇:基于双师协同教学模式的学生学习数据挖掘
下一篇:基于双层优化的智能小区用电管理