| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 粒子群算法 | 第12-16页 |
| 2.1 概述 | 第12页 |
| 2.2 标准 PSO 算法 | 第12-13页 |
| 2.3 算法的数学描述 | 第13-14页 |
| 2.4 优势和局限性 | 第14-15页 |
| 2.5 应用与发展趋势 | 第15页 |
| 2.6 本章小结 | 第15-16页 |
| 第三章 粒子群改进算法 | 第16-24页 |
| 3.1 粒子群算法改进策略 | 第16页 |
| 3.1.1 参数调整策略 | 第16页 |
| 3.1.2 增加粒子种群多样性策略 | 第16页 |
| 3.2 粒子群改进算法 | 第16-17页 |
| 3.3 算法性能测试实验 | 第17-23页 |
| 3.3.1 实验函数与评价 | 第17-19页 |
| 3.3.2 实验结果 | 第19-23页 |
| 3.4 本章小结 | 第23-24页 |
| 第四章 粒子群改进算法在人工神经网络中的应用 | 第24-40页 |
| 4.1 径向基人工神经网络 | 第24-25页 |
| 4.2 基于粒子群改进算法的径向基人工神经网络模型 | 第25-26页 |
| 4.3 模型在水质评价中的应用 | 第26-39页 |
| 4.3.1 问题背景 | 第26-27页 |
| 4.3.2 理论模型与评价 | 第27-28页 |
| 4.3.3 实验数据及预处理 | 第28-31页 |
| 4.3.4 模型结构 | 第31-33页 |
| 4.3.5 评价结果与讨论 | 第33-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 结论与展望 | 第40-41页 |
| 5.1 结论 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-45页 |