| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 论文研究背景 | 第14-15页 |
| 1.2 论文研究的目的与意义 | 第15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 智能算法及改进方法的介绍 | 第18-32页 |
| 2.1 遗传算法的介绍 | 第18-20页 |
| 2.1.1 遗传算法的操作流程及基本操作 | 第18-19页 |
| 2.1.2 遗传算法的改进研究 | 第19-20页 |
| 2.2 粒子群算法的介绍 | 第20-24页 |
| 2.2.1 粒子群算法的操作流程及基本操作 | 第21-22页 |
| 2.2.2 粒子群算法的改进研究 | 第22-24页 |
| 2.3 差分进化算法介绍 | 第24-28页 |
| 2.3.1 标准差分进化算法的操作流程及基本操作： | 第24-25页 |
| 2.3.2 差分进化算法的改进研究 | 第25-28页 |
| 2.4 人工蜂群算法的介绍 | 第28-32页 |
| 2.4.1 人工蜂群算法的操作流程及基本操作 | 第28-29页 |
| 2.4.2 人工蜂群算法的改进研究 | 第29-32页 |
| 第三章 回溯搜索优化算法 | 第32-38页 |
| 3.1 BSA算法的介绍 | 第32-33页 |
| 3.1.1 种群初始化 | 第32页 |
| 3.1.2 选择策略I | 第32-33页 |
| 3.1.3 变异操作 | 第33页 |
| 3.1.4 交叉操作 | 第33页 |
| 3.1.5 选择II | 第33页 |
| 3.2 BSA的改进 | 第33-36页 |
| 3.2.1 BSA变异尺度系数的改进 | 第34-35页 |
| 3.2.2 BSA交叉策略的改进 | 第35-36页 |
| 3.3 数值实验 | 第36-38页 |
| 3.3.1 Benchmark测试函数选取 | 第36页 |
| 3.3.2 停止条件制定与参数选取 | 第36-37页 |
| 3.3.3 测试结果的统计分析 | 第37-38页 |
| 第四章 一种快速高效的人工蜂群算法 | 第38-44页 |
| 4.1 人工蜂群算法的改进 | 第38-40页 |
| 4.1.1 种群初始化 | 第38-39页 |
| 4.1.2 引领蜂的改进 | 第39页 |
| 4.1.3 跟随蜂阶段的改进 | 第39-40页 |
| 4.2 实验设计 | 第40-44页 |
| 第五章 基于回溯搜索优化算法的PID参数整定 | 第44-48页 |
| 5.1 PID控制器中各部分的作用 | 第44页 |
| 5.1.1 比例作用 | 第44页 |
| 5.1.2 积分作用 | 第44页 |
| 5.1.3 微分作用 | 第44页 |
| 5.2 基于回溯搜索优化算法的PID参数整定方法设计 | 第44-45页 |
| 5.3 性能指标的建立 | 第45-46页 |
| 5.4 基于回溯搜索优化算法的PID参数整定 | 第46-47页 |
| 5.5 总结 | 第47-48页 |
| 结论与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 作者简介 | 第56-57页 |