改进型蜂群算法及其对PID参数优化的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景及意义 | 第8-9页 |
| ·智能优化算法 | 第9-14页 |
| ·进化算法 | 第9-12页 |
| ·群智能算法 | 第12-14页 |
| ·蜂群算法国内外研究现状 | 第14-15页 |
| ·本文研究意义和主要研究内容 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第二章 标准蜂群算法 | 第17-25页 |
| ·蜜蜂采蜜的生物学机理 | 第17-19页 |
| ·蜂群算法的实现 | 第19-20页 |
| ·蜂群算法和其他进化算法的比较 | 第20-23页 |
| ·实验对象的选取和参数的设定 | 第20-21页 |
| ·系统性能比较 | 第21-22页 |
| ·MATLAB 仿真图 | 第22-23页 |
| ·结论 | 第23页 |
| ·蜂群算法改进的一般原则 | 第23页 |
| ·蜂群算法有待改进的问题 | 第23-25页 |
| 第三章 免疫算法 | 第25-32页 |
| ·引言 | 第25-26页 |
| ·免疫算法（Immune algorithm） | 第26-28页 |
| ·免疫算法（IA）的框架图 | 第28-29页 |
| ·免疫算法（IA）的应用领域 | 第29-30页 |
| ·免疫算法（IA）与其他算法的比较 | 第30-32页 |
| 第四章 改进型蜂群算法 | 第32-49页 |
| ·基于Boltzmann 选择策略的人工蜂群算法 | 第32页 |
| ·具有禁忌策略的蜂群算法 | 第32-34页 |
| ·基于遗传交叉因子的改进蜂群优化算法 | 第34-35页 |
| ·自适应搜索空间的混沌蜂群算法 | 第35页 |
| ·基于免疫机制改进的蜂群算法 | 第35-49页 |
| ·免疫蜂群算法（AIBCO）的步骤 | 第36-38页 |
| ·免疫蜂群算法（AIBCO）的框架图 | 第38-39页 |
| ·免疫蜂群算法（AIBCO）的性能分析 | 第39-49页 |
| 第五章 改进型蜂群算法对PID 参数的优化 | 第49-57页 |
| ·PID 控制 | 第49-52页 |
| ·PID 控制的种类 | 第49-50页 |
| ·PID 控制的基本原理 | 第50-51页 |
| ·控制系统的性能评价指标 | 第51-52页 |
| ·免疫蜂群算法对PID 参数的优化 | 第52-54页 |
| ·适应度函数设计 | 第52-53页 |
| ·描述免疫蜂群算法优化问题PID 增益参数 | 第53页 |
| ·免疫蜂群算法优化PID 参数的步骤 | 第53-54页 |
| ·MATLAB 仿真 | 第54-57页 |
| 第六章 总结和展望 | 第57-59页 |
| ·全文总结 | 第57-58页 |
| ·对未来的展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
