| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 概论 | 第10-14页 |
| ·选题背景及研究意义 | 第10页 |
| ·粒子群优化算法研究现状 | 第10-12页 |
| ·烟草工业信息化现状 | 第12页 |
| ·论文主要研究内容 | 第12-14页 |
| 第二章 智能优化方法的产生与发展 | 第14-19页 |
| ·最优化问题的模型 | 第14-15页 |
| ·传统优化方法的步骤及局限性 | 第15-17页 |
| ·传统优化方法的基本步骤 | 第15-16页 |
| ·传统优化方法的局限性 | 第16-17页 |
| ·智能优化方法的产生与发展 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第三章 粒子群算法概述 | 第19-47页 |
| ·理论基础 | 第19-20页 |
| ·粒子群优化算法的三种典型模型 | 第20-31页 |
| ·基本PSO 模型 | 第20-24页 |
| ·带惯性权重的PSO 模型（标准PSO） | 第24-30页 |
| ·带收缩因子的PSO 模型 | 第30-31页 |
| ·粒子群优化算法的构成要素 | 第31-32页 |
| ·粒子群优化算法存在的问题 | 第32-33页 |
| ·粒子群优化算法的诸多改进 | 第33-40页 |
| ·二进制离散粒子群优化算法 | 第33-34页 |
| ·改进的二值离散粒子群算法 | 第34页 |
| ·小生境粒子群算法 | 第34-36页 |
| ·基于遗传策略的改进 | 第36-38页 |
| ·混沌粒子群优化算法 | 第38-39页 |
| ·其他改进算法 | 第39-40页 |
| ·粒子群优化算法的收敛性分析 | 第40-43页 |
| ·粒子群算法与其他算法的比较 | 第43-46页 |
| ·基于梯度的优化算法 | 第43页 |
| ·进化计算方法 | 第43-44页 |
| ·蚁群算法 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第四章 卷烟配方设计中的粒子群算法研究 | 第47-63页 |
| ·卷烟配方问题 | 第47-49页 |
| ·叶组配方设计 | 第49-50页 |
| ·标准粒子群算法的应用 | 第50-54页 |
| ·粒子的定义 | 第50页 |
| ·目标函数 | 第50-51页 |
| ·参数设置 | 第51页 |
| ·种群初始化 | 第51页 |
| ·迭代寻优 | 第51-52页 |
| ·仿真结果 | 第52-54页 |
| ·改进的粒子群优化算法 | 第54-56页 |
| ·算法流程 | 第55页 |
| ·仿真实验 | 第55-56页 |
| ·基于遗传策略的粒子群算法的应用 | 第56-58页 |
| ·算法流程 | 第56-57页 |
| ·仿真实验 | 第57-58页 |
| ·基于混沌的粒子群优化算法的应用 | 第58-60页 |
| ·算法流程 | 第59-60页 |
| ·仿真实验 | 第60页 |
| ·实验结果比较 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第五章 粒子群算法与遗传算法在配方设计中的对比研究 | 第63-69页 |
| ·配方设计中的遗传方法 | 第63-66页 |
| ·遗传算法的工作原理 | 第63页 |
| ·基本遗传算子 | 第63-64页 |
| ·具体应用 | 第64-66页 |
| ·两种方法的对比分析 | 第66-68页 |
| ·两种方法的结合 | 第68页 |
| ·小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 个人简介 | 第76页 |
| 发表的学术论文 | 第76页 |