粒子群优化算法的若干改进及应用
| 摘要 | 第1-9页 |
| Abstract | 第9-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题的背景及意义 | 第12-13页 |
| ·算法的进化过程 | 第12页 |
| ·最优化问题的描述 | 第12-13页 |
| ·最优化问题的求解 | 第13-15页 |
| ·传统的方法 | 第13页 |
| ·进化方法 | 第13-15页 |
| ·粒子群算法的研究现状 | 第15-18页 |
| ·论文的主要工作于内容 | 第18-20页 |
| 第2章 粒子群算法研究基础 | 第20-34页 |
| ·粒子群算法 | 第20-23页 |
| ·算法的进化过程 | 第21-22页 |
| ·PSO算法步骤 | 第22-23页 |
| ·粒子群算法的行为分析 | 第23-24页 |
| ·行为分析 | 第23页 |
| ·粒子群算法与其他算法的比较 | 第23-24页 |
| ·种群拓扑结构 | 第24-27页 |
| ·全局模型与局部模型 | 第24-26页 |
| ·其余三种拓扑结构 | 第26-27页 |
| ·惯性权重与粒子群算法 | 第27-29页 |
| ·两个概念 | 第27页 |
| ·惯性权重的引入 | 第27-28页 |
| ·惯性权重的取值 | 第28-29页 |
| ·学习因子 | 第29-31页 |
| ·学习因子个功能分析 | 第30页 |
| ·学习因子的取值 | 第30-31页 |
| ·收缩因子 | 第31-32页 |
| ·粒子群算法的参数设置与特点 | 第32-34页 |
| ·参数设置 | 第32页 |
| ·PSO算法特点 | 第32-34页 |
| 第3章 粒子群算法的收敛性分析 | 第34-38页 |
| ·收敛准则 | 第34-36页 |
| ·收敛性分析 | 第36-38页 |
| 第4章 粒子群算法的改进 | 第38-57页 |
| ·引言 | 第38页 |
| ·简化粒子群算法 | 第38-42页 |
| ·重要结论 | 第39页 |
| ·简化粒子群优化算法(mPSO) | 第39-40页 |
| ·一类函数优化问题的求解 | 第40-42页 |
| ·自适应调整的粒子群算法 | 第42-46页 |
| ·运行原理 | 第43页 |
| ·时间调整方式 | 第43-44页 |
| ·改进自适应算法的步骤 | 第44-45页 |
| ·实验仿真 | 第45-46页 |
| ·混沌粒子群优化算法 | 第46-51页 |
| ·混沌及其特性 | 第47-49页 |
| ·算法基本思想 | 第49页 |
| ·算法流程 | 第49-50页 |
| ·算法测试与结果分析 | 第50-51页 |
| ·自适应混沌粒子群优化算法 | 第51-57页 |
| ·群体早熟收敛的判定 | 第52页 |
| ·自适应调整策略 | 第52-54页 |
| ·算法流程 | 第54-55页 |
| ·改进算法实验仿真 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结束语 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第63页 |
