| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状和进展 | 第9-11页 |
| ·本文组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 粒子群优化算法介绍 | 第13-23页 |
| ·相关概念 | 第13-15页 |
| ·人工智能 | 第13页 |
| ·群智能 | 第13-14页 |
| ·进化计算 | 第14-15页 |
| ·传统及标准粒子群算法 | 第15-20页 |
| ·算法原理 | 第15-17页 |
| ·算法参数 | 第17-18页 |
| ·算法流程 | 第18-20页 |
| ·PSO应用 | 第20-22页 |
| ·PSO在电力系统领域的应用 | 第20页 |
| ·PSO在交通运输领域的应用 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于学习参数改进的粒子群算法研究 | 第23-35页 |
| ·学习参数及改进策略分析 | 第23-26页 |
| ·惯性权重ω | 第23-24页 |
| ·学习因子c_1和c_2 | 第24-26页 |
| ·基准测试函数介绍 | 第26页 |
| ·基于参数改进的PSO算法 | 第26-29页 |
| ·算法的提出 | 第26-28页 |
| ·算法流程 | 第28-29页 |
| ·改进算法性能测试与分析 | 第29-34页 |
| ·性能测试 | 第29-33页 |
| ·性能分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于PSO学习参数的种群多样性研究 | 第35-52页 |
| ·PSO种群多样性分析 | 第35-38页 |
| ·PSO种群多样性求解 | 第38-42页 |
| ·速度多样性求解 | 第39-41页 |
| ·位置多样性求解 | 第41-42页 |
| ·种群多样性与参数的关系 | 第42-51页 |
| ·速度多样性与参数关系 | 第42-46页 |
| ·位置多样性与参数关系 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 改进混合PSO算法在FIR数字滤波器中的应用 | 第52-68页 |
| ·改进混合PSO算法研究 | 第52-57页 |
| ·改进混合PSO算法 | 第52-55页 |
| ·改进算法性能测试 | 第55-57页 |
| ·FIR数字滤波器及其设计 | 第57-59页 |
| ·FIR数字滤波器介绍 | 第57页 |
| ·线性相位FIR数字滤波器 | 第57-59页 |
| ·优化设计准则 | 第59页 |
| ·MPSO设计FIR数字滤波器 | 第59-67页 |
| ·适应度函数选取 | 第59页 |
| ·参数编码 | 第59-60页 |
| ·设计流程 | 第60-61页 |
| ·实验仿真分析 | 第61-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·论文工作总结 | 第68-69页 |
| ·论文工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文 | 第74页 |