| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第10-14页 |
| 第一章 绪论 | 第14-38页 |
| §1.1 优化问题和传统优化方法 | 第14-15页 |
| 1.1.1 优化问题及其分类 | 第14-15页 |
| 1.1.2 传统优化方法 | 第15页 |
| §1.2 进化算法 | 第15-17页 |
| 1.2.1 进化算法的产生 | 第15-16页 |
| 1.2.2 进化算法的分类 | 第16页 |
| 1.2.3 进化算法的优势和不足 | 第16-17页 |
| §1.3 求解优化问题的新方法 | 第17-18页 |
| 1.3.1 新型优化方法的产生 | 第17页 |
| 1.3.2 新型优化方法的分类 | 第17-18页 |
| §1.4 粒子群优化算法 | 第18-27页 |
| 1.4.1 粒子群优化算法的来源和背景 | 第18-19页 |
| 1.4.2 粒子群优化算法的原理 | 第19-21页 |
| 1.4.3 标准粒子群优化算法 | 第21-22页 |
| 1.4.4 粒子群优化算法的参数控制 | 第22-23页 |
| 1.4.5 粒子群优化算法的拓扑结构 | 第23-24页 |
| 1.4.6 粒子群优化算法的研究现状 | 第24-26页 |
| 1.4.7 粒子群优化算法的应用 | 第26页 |
| 1.4.8 有待进一步研究的问题 | 第26-27页 |
| §1.5 本论文的主要内容 | 第27-29页 |
| 本章参考文献 | 第29-38页 |
| 第二章 参数自适应粒子群优化算法求解无约束优化问题 | 第38-64页 |
| §2.1 引言 | 第38-39页 |
| §2.2 DP-APSO算法 | 第39-44页 |
| 2.2.1 标准粒子群优化算法及其改进 | 第39-41页 |
| 2.2.2 DP-APSO算法 | 第41-42页 |
| 2.2.3 动态种群策略 | 第42-44页 |
| §2.3 DP-APSO算法的仿真实验比较研究 | 第44-51页 |
| 2.3.1 测试函数 | 第44-46页 |
| 2.3.2 算法设置 | 第46-47页 |
| 2.3.3 仿真实验结果 | 第47-48页 |
| 2.3.4 DP-APSO的种群规模变化过程 | 第48-50页 |
| 2.3.5 DP-APSO与APSO的进一步比较 | 第50-51页 |
| §2.4 DPPSO-CG-UM算法 | 第51-56页 |
| 2.4.1 PD策略和CG策略 | 第51-53页 |
| 2.4.2 产生新粒子的进化算子 | 第53-55页 |
| 2.4.3 DPPSO-CG-UM算法的流程图 | 第55-56页 |
| §2.5 DPPSO-CG-UM算法的仿真实验比较研究 | 第56-60页 |
| 2.5.1 测试函数 | 第56页 |
| 2.5.2 算法设置 | 第56-57页 |
| 2.5.3 动态种群粒子群优化算法间的比较 | 第57-58页 |
| 2.5.4 DPPSO-CG-UM与其它算法的进一步分析比较 | 第58-60页 |
| §2.6 本章小结 | 第60页 |
| 本章参考文献 | 第60-64页 |
| 第三章 基于粒子群优化的多种群进化算法求解约束优化问题 | 第64-76页 |
| §3.1 引言 | 第64-65页 |
| §3.2 PSO-SMEA算法的原理 | 第65-68页 |
| 3.2.1 粒子群优化策略 | 第65-66页 |
| 3.2.2 PSO-SMEA算法中的多种群 | 第66-67页 |
| 3.2.3 PSO-SMEA算法的流程图 | 第67-68页 |
| §3.3 PSO-SMEA算法的仿真实验 | 第68-72页 |
| 3.3.1 工程设计约束优化问题 | 第68-70页 |
| 3.3.2 算法设置 | 第70页 |
| 3.3.3 仿真实验结果和分析 | 第70-72页 |
| §3.4 本章小结 | 第72-73页 |
| 本章参考文献 | 第73-76页 |
| 第四章 基于参数自适应粒子群优化算法的多阈值图像分割 | 第76-104页 |
| §4.1 引言 | 第76-77页 |
| §4.2 大津法阈值分割 | 第77-78页 |
| §4.3 粒子群优化算法及其改进 | 第78-82页 |
| 4.3.1 标准粒子群优化算法 | 第78-79页 |
| 4.3.2 改进的粒子群优化算法 | 第79-82页 |
| §4.4 实验仿真结果及其分析 | 第82-99页 |
| 4.4.1 Benchmark测试函数 | 第82-84页 |
| 4.4.2 测试图像 | 第84页 |
| 4.4.3 算法设置 | 第84页 |
| 4.4.4 Benchmark函数仿真实验结果 | 第84-88页 |
| 4.4.5 多阈值图像分割仿真实验结果 | 第88-99页 |
| §4.5 本章小结 | 第99-100页 |
| 本章参考文献 | 第100-104页 |
| 第五章 结合多阈值法的模糊聚类用于SAR图像变化检测 | 第104-116页 |
| §5.1 引言 | 第104-105页 |
| §5.2 结合多阈值法的模糊聚类用于SAR图像变化检测 | 第105-108页 |
| 5.2.1 多阈值分割方法 | 第105-106页 |
| 5.2.2 模糊聚类算法 | 第106-107页 |
| 5.2.3 结合多阈值分割的模糊聚类算法 | 第107-108页 |
| §5.3 结合多阈值法的模糊聚类算法的仿真实验结果 | 第108-113页 |
| 5.3.1 实验数据描述 | 第109页 |
| 5.3.2 变化检测结果及分析 | 第109-112页 |
| 5.3.3 阈值数目的参数分析实验 | 第112-113页 |
| §5.4 本章小结 | 第113页 |
| 本章参考文献 | 第113-116页 |
| 第六章 结合邻域信息的自适应粒子群聚类用于SAR图像变化检测 | 第116-126页 |
| §6.1 引言 | 第116-117页 |
| §6.2 结合邻域信息的自适应粒子群聚类用于SAR图像变化检测 | 第117-120页 |
| 6.2.1 聚类算法设计 | 第117-119页 |
| 6.2.2 SAR图像变化检测流程 | 第119-120页 |
| §6.3 结合邻域信息的自适应粒子群聚类算法的仿真实验结果 | 第120-124页 |
| 6.3.1 实验数据描述 | 第120-121页 |
| 6.3.2 变化检测结果及分析 | 第121-124页 |
| §6.4 本章小结 | 第124页 |
| 本章参考文献 | 第124-126页 |
| 第七章 总结与展望 | 第126-130页 |
| 致谢 | 第130-132页 |
| 攻读博士学位期间(合作)撰写与发表的主要论文(专著) | 第132-134页 |
| 攻读博士学位期间参与的科研项目 | 第134页 |
