| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景及意义 | 第7页 |
| ·研究现状 | 第7-8页 |
| ·本文的主要研究内容 | 第8-9页 |
| ·论文的内容安排 | 第9-10页 |
| 第二章 粒子群算法概述 | 第10-19页 |
| ·基本粒子群算法 | 第10-13页 |
| ·基本思想 | 第10-11页 |
| ·基本粒子群算法 | 第11-13页 |
| ·基本粒子群算法的社会行为分析 | 第13页 |
| ·改进的粒子群算法 | 第13-16页 |
| ·带有惯性因子的粒子群算法 | 第13-14页 |
| ·带有收缩因子的粒子群算法 | 第14页 |
| ·基于遗传思想的粒子群算法 | 第14-15页 |
| ·其他的改进粒子群算法 | 第15-16页 |
| ·粒子群算法与遗传算法的比较 | 第16页 |
| ·标准粒子群算法测试结果 | 第16-18页 |
| ·粒子群算法存在的问题 | 第18页 |
| ·小结 | 第18-19页 |
| 第三章 具有量子行为的粒子群算法 | 第19-26页 |
| ·引言 | 第19页 |
| ·QPSO 算法的势能场模型 | 第19-21页 |
| ·模型的建立 | 第19-20页 |
| ·粒子位置的度量 | 第20-21页 |
| ·粒子的收敛性 | 第21页 |
| ·QPSO 算法的运算过程 | 第21-23页 |
| ·进化方程 | 第21-22页 |
| ·算法流程 | 第22-23页 |
| ·QPSO 算法测试结果 | 第23-24页 |
| ·QPSO 算法和经典微粒群算法的比较 | 第24-25页 |
| ·QPSO 算法的特性 | 第24页 |
| ·QPSO 算法的优点 | 第24-25页 |
| ·QPSO 算法存在的问题 | 第25页 |
| ·小结 | 第25-26页 |
| 第四章 基于全局层次的自适应具有量子行为的粒子群算法 | 第26-36页 |
| ·自适应参数控制 | 第26-27页 |
| ·QPSO 算法的参数选择及收敛行为 | 第27-29页 |
| ·QPSO 算法的多样性控制模型 | 第29-30页 |
| ·AQPSO 算法的实现 | 第30-31页 |
| ·实验结果 | 第31-35页 |
| ·小结 | 第35-36页 |
| 第五章 基于动态邻域的具有量子行为的粒子群算法 | 第36-45页 |
| ·粒子群算法的两种基本进化模型 | 第36页 |
| ·基本的邻域结构 | 第36-37页 |
| ·NQPSO 算法的思想 | 第37-38页 |
| ·NQPSO 算法的实现 | 第38-39页 |
| ·实验结果 | 第39-43页 |
| ·邻域群拓扑的讨论 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第六章 QPSO 改进算法求解旅行商问题 | 第45-51页 |
| ·旅行商问题概述 | 第45-47页 |
| ·引言 | 第45页 |
| ·TSP 求解方法 | 第45-46页 |
| ·求解TSP 的智能算法 | 第46-47页 |
| ·QPSO 改进算法求解TSP | 第47页 |
| ·实验结果 | 第47-50页 |
| ·小结 | 第50-51页 |
| 第七章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第58页 |