| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究背景和意义 | 第8-9页 |
| 1.2 PSO算法的改进和应用现状 | 第9-12页 |
| 1.2.1 PSO算法的改进状况 | 第9-10页 |
| 1.2.2 PSO算法的应用现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第二章 粒子群优化算法 | 第14-20页 |
| 2.1 基本粒子群优化算法 | 第14-15页 |
| 2.2 标准粒子群优化算法 | 第15-16页 |
| 2.2.1 惯性权重 | 第15页 |
| 2.2.2 收敛因子 | 第15-16页 |
| 2.2.3 算法流程 | 第16页 |
| 2.3 算法收敛性分析 | 第16-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 改进的粒子群优化算法 | 第20-28页 |
| 3.1 基于差异演化的粒子群优化算法 | 第20-23页 |
| 3.1.1 差异演化算法 | 第20-21页 |
| 3.1.2 DE-PSO算法原理 | 第21-22页 |
| 3.1.3 DE-PSO算法流程 | 第22-23页 |
| 3.2 与单纯形算法融合的粒子群优化算法 | 第23-25页 |
| 3.2.1 单纯形算法 | 第23-24页 |
| 3.2.2 SM-PSO算法原理 | 第24页 |
| 3.2.3 SM-PSO算法流程 | 第24-25页 |
| 3.3 基于差异演化算法和单纯形算法的混合粒子群优化算法 | 第25-27页 |
| 3.3.1 混合粒子群优化算法的提出 | 第25页 |
| 3.3.2 H-PSO算法流程 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 改进粒子群优化算法的函数测试 | 第28-40页 |
| 4.1 测试函数 | 第28-30页 |
| 4.2 不同算法的函数测试与结果分析 | 第30-35页 |
| 4.2.1 算法的参数选取 | 第30-31页 |
| 4.2.2 函数测试结果与分析 | 第31-35页 |
| 4.3 H-PSO算法在不同的惯性权重策略下的函数测试与结果分析 | 第35-39页 |
| 4.3.1 不同的惯性权重策略 | 第35-36页 |
| 4.3.2 测试结果与分析 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 H-PSO算法在多宾斯-坎普水质模型参数确定中的应用 | 第40-46页 |
| 5.1 多宾斯-坎普水质模型 | 第40页 |
| 5.2 利用H-PSO算法确定多宾斯坎普水质模型参数 | 第40-43页 |
| 5.2.1 多宾斯坎普水质模型优化中适应度函数的确立 | 第40-42页 |
| 5.2.2 H-PSO算法确定多宾斯坎普模型参数 | 第42-43页 |
| 5.3 不同算法在多宾斯坎普模型参数识别应用中的比较分析 | 第43-44页 |
| 5.4 待估参数取值范围对H-PSO算法与SM-SPO算法收敛率的影响 | 第44页 |
| 5.5 本章小结 | 第44-46页 |
| 总结与展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士期间取得的研究成果 | 第52-53页 |
| 致谢 | 第53页 |
