| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 致谢 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 2 电磁场基本理论与正问题数值分析的有限元法 | 第14-25页 |
| 2.1 电磁场基本理论 | 第14-17页 |
| 2.1.1 位函数 | 第15-16页 |
| 2.1.2 边值问题 | 第16-17页 |
| 2.2 有限元法(Finite Element Method) | 第17-24页 |
| 2.2.1 有限元剖分及分片插值与基函数 | 第19-21页 |
| 2.2.2 变分问题的离散化与有限元方程 | 第21-23页 |
| 2.2.3 强制边界条件的处理 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 粒子群算法与量子粒子群算法 | 第25-46页 |
| 3.1 粒子群算法的起源与基本原理 | 第25-29页 |
| 3.1.1 算法起源 | 第25页 |
| 3.1.2 基本原理 | 第25-29页 |
| 3.2 粒子群算法的发展历史 | 第29-35页 |
| 3.2.1 带惯性权重的PSO | 第29-30页 |
| 3.2.2 种群拓扑 | 第30-33页 |
| 3.2.3 全息PSO(Fully Informed Particle Swarm) | 第33-35页 |
| 3.3 量子粒子群算法的起源与基本原理 | 第35-44页 |
| 3.3.1 BBPSO | 第35-37页 |
| 3.3.2 QPSO的起源 | 第37-38页 |
| 3.3.3 QPSO的基本原理 | 第38-44页 |
| 3.4 QPSO的发展历史 | 第44-45页 |
| 3.4.1 参数控制 | 第44页 |
| 3.4.2 种群多样性控制 | 第44-45页 |
| 3.4.3 引入新的搜索机制 | 第45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 两种改进的QPSO | 第46-57页 |
| 4.1 改进的量子粒子群算法 | 第46-50页 |
| 4.1.1 α控制策略 | 第46-47页 |
| 4.1.2 动态邻域结构 | 第47-48页 |
| 4.1.3 终止条件 | 第48-50页 |
| 4.2 自适应QPSO | 第50-55页 |
| 4.2.1 α更新机制 | 第50-51页 |
| 4.2.2 D最优设计与种群再生机制 | 第51-55页 |
| 4.3 本章小结 | 第55-57页 |
| 5 应用实例与分析 | 第57-62页 |
| 5.1 TEAM Workshop Problem 22问题 | 第57-58页 |
| 5.2 计算结果与分析 | 第58-61页 |
| 5.2.1 计算结果 | 第58-60页 |
| 5.2.2 结果分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 全文总结 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第67页 |
