| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 群体智能算法 | 第9-14页 |
| 1.1.1 粒子群优化算法 | 第9-12页 |
| 1.1.2 蚁群优化算法 | 第12-13页 |
| 1.1.3 蜂群优化算法 | 第13-14页 |
| 1.2 本文的研究内容 | 第14-15页 |
| 1.3 本文的组织结构 | 第15-16页 |
| 第二章 粒子群优化算法及相关技术 | 第16-30页 |
| 2.1 基本粒子群优化算法及理论研究 | 第16-19页 |
| 2.1.1 优化问题的数学模型 | 第16页 |
| 2.1.2 基本粒子群算法原理 | 第16-17页 |
| 2.1.3 基本粒子群算法步骤 | 第17-19页 |
| 2.1.4 基本粒子群算法流程图 | 第19页 |
| 2.2 粒子群优化算法相关技术理论 | 第19-24页 |
| 2.2.1 扰动策略 | 第19-20页 |
| 2.2.2 差分进化 | 第20-23页 |
| 2.2.3 混沌理论 | 第23-24页 |
| 2.3 改进的粒子群优化算法 | 第24-30页 |
| 2.3.1 多种群协同进化粒子群算法 | 第24-25页 |
| 2.3.2 正交学习的粒子群算法 | 第25-27页 |
| 2.3.3 自适应学习的粒子群算法 | 第27-30页 |
| 第三章 差分和扰动混合的多策略粒子群优化算法 | 第30-33页 |
| 3.1 改进的差分变异 | 第30-31页 |
| 3.2 极值扰动策略 | 第31页 |
| 3.3 研究目的 | 第31页 |
| 3.4 算法的主要流程 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 多种群协作多阶段扰动引导策略的粒子群优化算法 | 第33-38页 |
| 4.1 多粒子群信息交流和分享机制 | 第33-34页 |
| 4.2 三阶段的全局扰动引导策略 | 第34页 |
| 4.3 MCpPSO算法的操作 | 第34-37页 |
| 4.3.1 MCpPSO算法的主要流程 | 第36页 |
| 4.3.2 时间复杂度分析 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 算法仿真结果分析 | 第38-50页 |
| 5.1 仿真环境和指标 | 第38页 |
| 5.2 测试函数 | 第38-40页 |
| 5.3 DPPSO算法的仿真结果分析 | 第40-43页 |
| 5.3.1 收敛曲线 | 第40-41页 |
| 5.3.2 实验仿真结果 | 第41-43页 |
| 5.4 MCpPSO算法的实验仿真结果分析 | 第43-47页 |
| 5.4.1 收敛曲线 | 第43-45页 |
| 5.4.2 实验仿真结果 | 第45-47页 |
| 5.5 MCpPSO算法的深入分析 | 第47-49页 |
| 5.5.1 中心位置扰动的影响 | 第47-48页 |
| 5.5.2 子种群数量的影响 | 第48页 |
| 5.5.3 扰动半径的影响 | 第48页 |
| 5.5.4 扰动阶段划分的影响 | 第48-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |